Está en la página 1de 0

EVALUACION DE

CONOCIMIENTOS Y
RECURSOS
DIDCTICOS EN LA
FORMACIN DE
PROFESORES SOBRE
PROBABILIDAD
CONDICIONAL
TESIS DOCTORAL

DEPARTAMENTO DE DIDCTICA DE LA MATEMTICA




UGR
2011

JOS MIGUEL CONTRERAS GARCA
UNIVERSIDAD DE GRANADA
Directoras: Carmen Batanero Bernabu
Carmen Daz Batanero
Editor: Editorial de la Universidad de Granada
Autor: Jos Miguel Contreras Garca
D.L.: GR 2388-2011
ISBN: 978-84-694-3603-5



UNIVERSIDAD DE GRANADA

Departamento de Didctica de la Matemtica



EVALUACION DE CONOCIMIENTOS Y RECURSOS
DIDCTICOS EN LA FORMACIN DE PROFESORES
SOBRE PROBABILIDAD CONDICIONAL

TESIS DOCTORAL


Jos Miguel Contreras Garca

Directoras:
Dra. Carmen Batanero Bernabeu
Dra. Carmen Daz Batanero

2011












EVALUACION DE CONOCIMIENTOS Y RECURSOS DIDCTICOS
EN LA FORMACIN DE PROFESORES SOBRE PROBABILIDAD
CONDICIONAL

TESIS DOCTORAL


MEMORIA realizada bajo la direccin de las
Doctoras Carmen Batanero Bernabeu y Carmen Daz Batanero
que presenta D. J os Miguel Contreras Garca
para optar al grado de Doctor




Fdo: J os Miguel Contreras Garca


V
o
B
o
V
o
B
o




Dra. Carmen Batanero Bernabeu Dra. Carmen Daz Batanero






























Trabajo realizado en el marco de la beca FPI BES-2008-003573, Proyectos
SEJ 2007-60110/EDUC, MEC-FEDER y EDU2010-14947 (MICINN-
FEDER) y Grupo PAI FQM126 (J unta de Andaluca).



Agradecimientos

En primer lugar quiero agradecer a mi directora de tesis, la Dra. Carmen Batanero,
por la oportunidad que me brind en su da de trabajar con ella. Su sabidura, trabajo y,
sobre todo, paciencia ha marcado este trabajo de investigacin y al que lo firma. Gracias
Carmen eres un ejemplo a seguir.
Tambin a mi otra directora, Carmen Daz, por toda su ayuda.
Quiero agradecer especialmente a tres profesores del Dpto. de Didctica de la
Matemtica. A J uan D. Godino, por su simpata y su apoyo; a J os Mara Cardeoso por
su amistad y consejos y sobre todo a Rafael Roa por sus consejos, buenos ratos y sobre
todo por cederme su espacio y tratarme como uno ms.
Quiero acordarme de Angustias Vallecillos que siempre me aconsej muy bien, y
me trat mejor.
Agradecer a Pedro Arteaga y a Gustavo Caadas su compaerismo y sus consejos.
A los profesores que me ayudaron con los cuestionarios.
Tambin quiero agradecer a Antonio Arcos, Mara del Mar Rueda y Andrs
Gonzlez su empujn en mis comienzos.
Agradecer a mis padres por permitirme estudiar en los malos momentos y por
todo lo que me han inculcado. A mis tres hermanos todo lo que han hecho por m y
sobre todo acordarme de los que ya no estn y tanto les debo: gracias tito Pepe, gracias
tita Manola y gracias abuela.
A mis amigos que tanto me han aguantado, gracias Linares, Paco, Pepe y Wes.
Y sobre todo agradecer a Elena ya que todo lo que he conseguido y conseguir de
aqu en adelante te lo debo a ti.









I
INTRODUCCIN 1

1. EL PROBLEMA DE INVESTIGACIN
1.1. Introduccin 5
1.2. Importancia de la probabilidad condicional 6
1.3. Marco terico 7
1.3.1. La actividad matemtica y objetos ligados a ellas 8
1.3.2. Objetos emergentes e intervinientes en los sistemas de
prcticas
9
1.3.3. Relaciones entre objetos: funcin semitica 12
1.3.4. Criterios de idoneidad didctica 12
1.3.5. Niveles de anlisis propuestos en el EOS 13
1.4. La probabilidad condicional y los objetos matemticos relacionados 14
1.4.1. Propiedades y conceptos relacionados con la probabilidad
condicional
14
1.4.2. Problemas y procedimientos 23
1.4.3. Representaciones y argumentos 25
1.5. La probabilidad condicional en la enseanza no universitaria 28
1.5.1. Introduccin 28
1.5.2. La probabilidad condicional en las orientaciones curriculares 28
1.5.3. Recomendaciones internacionales 32
1.6. Objetivos del trabajo 36
1.7. Enfoque metodolgico y fases de la investigacin 38

2. INVESTIGACIONES PREVIAS
2.1. Introduccin 41
2.2. Formacin de profesores para ensear probabilidad 42
2.2.1. Introduccin 42
2.2.2. Actitudes y creencias 44
2.2.3. Conocimientos probabilsticos 46
2.2.4. Modelos sobre el conocimiento del profesor 51
2.2.5. Conocimiento de la probabilidad y la enseanza 58
2.2.6. Conocimiento de la probabilidad y los estudiantes 60
II
2.2.7. Evaluacin de experiencias de formacin 60
2.3. Investigacin sobre la probabilidad condicional 63
2.3.1. Introduccin 63
2.3.2. Comprensin conceptual 63
2.3.2.1. Comprensin de la probabilidad condicional 63
2.3.2.2. Intercambio de sucesos en la probabilidad condicional 65
2.3.3. Confusin entre probabilidad condicional y conjunta. Falacia
de la conjuncin
66
2.3.4. Relacin entre independencia y probabilidad condicional 68
2.3.5. Condicionamiento y causacin 69
2.3.6. Resolucin de problemas 70
2.3.6.1. Problemas relacionados con el teorema de Bayes 71
2.3.6.2. Influencia del lenguaje y el formato 74
2.3.6.3. Uso de representaciones en la solucin de los
problemas
76
2.3.6.4. Planteamiento de problemas 76
2.3.7. Enseanza de la probabilidad condicional 77
2.3.7.1. Experimentos desde la psicologa 77
2.3.7.2. Experimentos de enseanza en didctica de la matemtica 79
2.4. La probabilidad condicional en los libros de texto 80
2.5. Conclusiones del estudio de las investigaciones previas 84

3. EVALUACIN DE CONOCIMIENTOS DE FUTUROS PROFESORES
DE EDUCACIN PRIMARIA

3.1. Introduccin 87
3.2. Objetivos e hiptesis del Estudio 1 88
3.3. Muestra y contexto curricular 90
3.4. Anlisis a priori de la tarea 91
3.4.1. Configuracin de objetos matemticos y soluciones correctas
al problema
92
3.4.2. Posibles conflictos semiticos 96
3.4.3. Variables de tarea en el problema 97
3.5. Conocimientos matemticos en relacin a la probabilidad condicional 98
III
3.5.1. Anlisis global de soluciones 98
3.5.2. Anlisis detallado de soluciones 99
3.5.3. Resultados en el clculo de probabilidad simple 115
3.5.4. Resultados en el clculo de probabilidad conjunta 117
3.5.5. Resultados en el clculo de probabilidad condicional 119
3.5.6. Resumen de respuestas 121
3.6. Conocimiento especializado del contenido 122
3.6.1. Introduccin 122
3.6.2. Situaciones o problemas 126
3.6.3. Lenguaje 129
3.6.4. Conceptos 131
3.6.5. Procedimientos 133
3.6.6. Propiedades 135
3.6.7. Argumentos 136
3.6.8. Sntesis del conocimiento especializado del contenido 138
3.7. Conocimiento del contenido y la enseanza 141
3.7.1. Introduccin 141
3.7.2. Identificacin de variables de tarea 142
3.7.3. Identificacin de variables del sujeto 149
3.7.4. Identificacin de variables de la situacin 151
3.8. Conclusiones del Estudio 1 152
3.8.1. Conclusiones sobre los conocimientos matemticos 152
3.8.2. Conclusiones sobre el conocimiento didctico 155

4. EVALUACIN DE CONOCIMIENTOS DE FUTUROS PROFESORES
DE EDUCACIN SECUNDARIA

4.1. Introduccin 159
4.2. Objetivos del Estudio 2 160
4.3. Material y mtodo 164
4.4. Contexto educativo 165
4.4.1. Licenciatura en Matemticas 165
4.4.2. Mster universitario de educacin secundaria obligatoria y
bachillerato, formacin profesional y enseanza de idiomas
167
IV
4.5. Descripcin de la muestra 172
4.6. Anlisis del cuestionario 174
4.6.1. Proceso de construccin 174
4.6.2. Caractersticas psicomtricas 175
4.6.3. Anlisis a priori de los tems del cuestionario 177
4.6.3.1. tems de opcin mltiple y sesgos evaluados 178
4.6.3.2. tems abiertos: definicin y problemas de probabilidad
condicional
186
4.7. Resultados 192
4.7.1. Sesgos en el razonamiento sobre probabilidad condicional 192
4.7.2. Definicin de la probabilidad simple y condicional 208
4.7.3. Clculo de probabilidad condicionada 217
4.7.4. Independencia 222
4.7.5. Clculo de la probabilidad compuesta 227
4.7.6. Teorema de la probabilidad total 239
4.7.7. Teorema de Bayes 244
4.7.8. Sntesis de resultados en tems abiertos 251
4.7.9. Relacin entre capacidad de resolucin de problemas y sesgos 256
4.8. Conclusiones del Estudio 2 264

5. ANLISIS DE RECURSOS PARA LA FORMACIN DE
PROFESORES

5.1. Introduccin 269
5.2. Recursos para la enseanza de la probabilidad condicional en Internet 270
5.2.1. Introduccin 270
5.2.2. Objetivos e hiptesis del Estudio 3 271
5.2.3. Material y mtodo 272
5.2.4. Anlisis de resultados 273
5.2.4.1. J uegos 273
5.2.4.2. Exploracin de conceptos 285
5.2.4.3. Recursos para resolver problemas 291
5.2.4.4. Lecciones o libros de texto 295
5.2.4.5. Calculadores 299
V
5.2.5. Procesos matemticos 302
5.2.6. Idoneidad didctica del trabajo con los recursos 305
5.2.7. Conclusiones del Estudio 3 307
5.3. Paradojas de probabilidad como recurso didctico 308
5.3.1. Introduccin 308
5.3.2. Objetivos e hiptesis del Estudio 4 309
5.3.3. Material y mtodo 310
5.3.4. Anlisis de resultados 311
5.3.4.1. La paradoja de la caja de Bertrand y sus variantes 311
5.3.4.2. Otras paradojas ligadas a la independencia y a la
probabilidad condicional
322
5.3.5. Procesos matemticos 336
5.3.6. Idoneidad didctica del trabajo con paradojas 338
5.3.7. Conclusiones del Estudio 4 339

6. EVALUACIN DE UNA EXPERIENCIA DE FORMACIN DE
PROFESORES

6.1. Introduccin 343
6.2. Objetivos e hiptesis del Estudio 5 345
6.3. Material y mtodo 348
6.4. Descripcin del taller y anlisis a priori 349
6.4.1. Primera parte. Resolucin de problemas 350
6.4.2. Segunda parte. Anlisis didctico 357
6.4.2.1. Objetos matemticos implcitos 357
6.4.2.2. Anlisis de posibles conflictos de los estudiantes 360
6.4.2.3. Anlisis de configuraciones didcticas 362
6.5. Descripcin de la muestra y el contexto 363
6.6. Conocimientos matemticos sobre probabilidad condicional 367
6.6.1. Estrategias iniciales 368
6.6.2. Estrategias finales 378
6.6.3. J ustificacin de las estrategias 383
6.7. Conocimientos didcticos sobre probabilidad condicional 394
6.7.1. Conocimiento especializado del contenido 395
VI
6.7.2. Conocimiento del contenido y el estudiante 401
6.7.3. Conocimiento del contenido y la enseanza 404
6.8. Conclusiones del Estudio 5 406

7. CONCLUSIONES
7.1. Introduccin 409
7.2. Conclusiones respecto a los objetivos generales del trabajo 410
7.3. Aportaciones y limitaciones del estudio 416
7.4. Lneas de investigacin futuras 420

8. REFERENCIAS 421
9. ANEXOS 439


1

INTRODUCCIN

Aunque en los ltimos aos se ha producido una gran expansin en la
investigacin sobre formacin y desarrollo profesional del profesor de matemticas,
este esfuerzo apenas ha tenido en cuenta el caso particular de la probabilidad y la
estadstica. Como consecuencia la enseanza de la estadstica y probabilidad en la
Educacin Primaria ha sido casi inexistente hasta muy recientemente, y en la Educacin
Secundaria reciba un peso mucho menor que el que se trata de dar en las nuevas
directrices curriculares.
Esta situacin est cambiando pues, tanto en los Decretos de Enseanzas Mnimas
en Espaa, como en las orientaciones curriculares de muchos otros pases, observamos
un cambio en la tendencia de la enseanza de la estadstica, que se inicia desde la
Educacin Primaria y se intensifica en todos los ciclos. Ello muestra el inters de
investigar sobre los conocimientos y creencias de los profesores que son responsables
de esta enseanza.
Entre todos los posibles temas que se podran haber elegido para este estudio nos
hemos centrado en la probabilidad condicional por varios motivos. La probabilidad
condicional fue incluida en la lista elaborada por Heitele (1975) de las diez ideas
fundamentales sobre las que se asienta el desarrollo histrico del clculo de
probabilidades. Dichas ideas son generalmente contra intuitivas y segn este autor han
de ser educadas. Adems, es posible ensearlas con distintos grados de formalizacin
desde la escuela primaria a la universidad. La probabilidad condicional es tambin base
de muchos otros temas en probabilidad y estadstica, por lo que su comprensin
facilitar la de otros conceptos posteriores.
La probabilidad condicional se incluye explcitamente como tema a tratar en los
Decretos de Enseanzas Mnimas de Educacin Secundaria y Bachillerato y es parte de
las asignaturas de estadstica en todas las carreras universitarias. Aunque no aparezca
explcitamente en los Decretos de Educacin Primaria, est implcita en la lectura e
interpretacin de tablas de doble entrada, que si se incluyen en los mismos. Por otro
lado, su comprensin y la resolucin de problemas elementales relacionados con la
probabilidad condicional se requiere en la toma de decisiones en la vida cotidiana y en
la interpretacin de informacin que aparece en los medios de comunicacin, y otras
Introduccin
2
materias del currculo, en especial en muchos otros temas estadsticos incluidos en
Bachillerato. Es tambin importante en el diagnstico y evaluacin, que forma parte de
las tareas profesionales del profesor.
Todas estas razones nos han llevado a interesarnos por la formacin de los
profesores y a llevar a cabo una serie de estudios exploratorios relacionados entre s, y
con una temtica comn. Ms concretamente, abordamos una serie de estudios
relacionados con la evaluacin de las necesidades formativas de los profesores de los
niveles no universitarios en relacin a la probabilidad condicional y los objetos
matemticos que con ella se relacionan, tales como la probabilidad compuesta, el
teorema de Bayes, independencia o dependencia. Cada estudio tiene sus propios
objetivos, hiptesis y metodologa, aunque todos comparten el mismo marco terico. La
Memoria se organiza en los siguientes apartados:
En el primer captulo, una vez introducido el problema de investigacin y
resaltado su inters, se describe el marco terico en que se apoya este trabajo, que es el
Enfoque Ontosemitico propuesto para la didctica de la matemtica por Godino y
colaboradores. Seguidamente se realiza un anlisis de los objetos matemticos
relacionados con la probabilidad condicional y del contenido que sobre este tema
aparece en las orientaciones curriculares para la enseanza no universitaria. El captulo
finaliza con la presentacin de los objetivos de esta investigacin y la descripcin de los
diferentes estudios que la componen y un resumen de sus caractersticas metodolgicas.
En el segundo captulo presentamos los antecedentes que constan de dos partes
principales. La primera sintetiza una breve perspectiva de la investigacin relacionada
con la formacin de profesores de matemticas para ensear probabilidad. Se comienza
con una breve resea de algunos trabajos que definen categoras del conocimiento del
profesor de matemticas, para pasar a analizar los modelos especficos planteados en el
campo de la educacin estadstica y que podran ser de utilidad en nuestro trabajo. La
segunda parte del estado de la cuestin sintetiza los trabajos relacionados con la
comprensin o la enseanza de la probabilidad condicional.
En el captulo 3 se presenta un estudio de evaluacin de algunos conocimientos
matemticos y didcticos de una muestra de 183 futuros profesores de educacin
primaria. En el Estudio 1, algunos aspectos del conocimiento comn sobre el contenido
matemtico se evala a partir de las respuestas a una tarea abierta, en la que los
estudiantes han de calcular la probabilidad simple, compuesta y condicional a partir de
la lectura de una tabla de contingencia. El anlisis semitico detallado de las respuestas
Introduccin
3
permite clasificar las estrategias y describir los conflictos semiticos de los
participantes. Una segunda parte de la tarea, donde los estudiantes han de identificar los
objetos matemticos utilizados en la resolucin de la primera parte, sirve para describir
una parte del conocimiento especializado del contenido matemtico. Finalmente una
pregunta abierta sobre sugerencia de variables de tarea que podran cambiarse en el
problema permite una aproximacin a su conocimiento del contenido y la enseanza.
En el captulo 4 se describe un estudio de evaluacin de los conocimientos
matemticos en una muestra de futuros profesores de secundaria constituida por 95
estudiantes de los ltimos cursos de la Licenciatura de Matemticas y 101 estudiantes
del mster de secundaria (especialidad matemticas). Las respuestas al cuestionario
RPC elaborado por Daz (2007) permiten evaluar simultneamente la presencia de los
principales sesgos sobre este razonamiento que se describieron en el estudio de los
antecedentes (captulo 2) y su conocimiento matemtico formal. En el Estudio 2 se
realiza un estudio detallado de las respuestas de estos estudiantes a cada tem del
cuestionario, comparando los dos grupos que componen la muestra entre s, y
comparando la muestra global con los resultados de Daz (2007) en estudiantes de
psicologa.
Los Estudios 1 y 2 descritos anteriormente muestran las necesitadas formativas de
los futuros profesores, tanto en los aspectos matemticos, como didcticos relacionados
con la probabilidad condicional. Basndonos en los resultados de dichos estudios, en el
captulo 5 presentamos dos estudios de recursos que podran utilizarse para llevar a cabo
esta formacin. En el Estudio 3 se clasifican y analizan recursos en Internet, mostrando
posibles soluciones a las tareas relacionadas con ellos, dificultades previsibles en el
trabajo con los recursos, objetos y procesos matemticos trabajados e idoneidad
didctica de los recursos. Un estudio similar se lleva a cabo en el Estudio 4 respecto a
algunas paradojas clsicas de la teora de la probabilidad relacionadas con las ideas de
probabilidad condicional o independencia.
En el Estudio 5 se presentan los resultados de un breve taller formativo cuyo
diseo est basado en una de las paradojas descritas en el Estudio 4 y que tiene en
cuenta los sesgos en el razonamiento de los profesores evaluados en los Estudios 1 y 2,
descritos tambin en los antecedentes del trabajo. El taller se experiment con
profesores en formacin y en ejercicio en varios congresos y jornadas dirigidas al
profesorado. El anlisis semitico de los informes escritos sobre las estrategias iniciales
y finales en un juego permite evaluar su conocimiento comn del contenido y su
Introduccin
4
evolucin como consecuencia del taller. El estudio de las respuestas proporcionadas en
un anlisis didctico posterior de la actividad por parte de los profesores permite evaluar
diferentes componentes de su conocimiento didctico.
La serie de estudios descritos proporciona informacin detallada sobre algunos
conocimientos matemticos y didcticos de los futuros profesores y profesores en
ejercicio en relacin a las tareas propuestas. Aunque el campo de la probabilidad
condicional es muy amplio y este conocimiento puede ser diferente en tareas ms
complejas, nuestros estudios aportan una informacin inicial en un terreno en que la
investigacin previa es casi inexistente. Todos estos resultados se han recogido en una
serie de publicaciones que se describen a lo largo de la memoria.


5

CAPTULO 1
EL PROBLEMA DE INVESTIGACIN


1.1. Introduccin
1.2. Importancia de la probabilidad condicional
1.3. Marco terico
1.3.1. La actividad matemtica y objetos ligados a ellas
1.3.2. Objetos emergentes e intervinientes en los sistemas de prcticas
1.3.3. Relaciones entre objetos: funcin semitica
1.3.4. Criterios de idoneidad didctica
1.3.5. Niveles de anlisis propuestos en el EOS
1.4. La probabilidad condicional y los objetos matemticos relacionados
1.4.1. Propiedades y conceptos relacionados con la probabilidad condicional
1.4.2. Problemas y procedimientos
1.4.3. Representaciones y argumentos
1.5. La probabilidad condicional en la enseanza no universitaria
1.5.1. Introduccin
1.5.2. La probabilidad condicional en las orientaciones curriculares
1.5.3. Recomendaciones internacionales
1.6. Objetivos del trabajo
1.7. Enfoque metodolgico y fases de la investigacin


1.1. INTRODUCCIN

Este captulo se dedica a presentar el problema abordado en esta investigacin,
que es el de la formacin de profesores con relacin a la enseanza de la probabilidad
condicional. Comenzamos el captulo analizando la importancia de la probabilidad
condicional, tanto desde el punto de vista de su influencia en el desarrollo del Clculo
de Probabilidades y Estadstica, como de la formacin del alumno para la toma de
decisiones en su vida cotidiana.
Seguidamente se presentan algunos elementos del Enfoque Ontosemitico para la
didctica de la matemtica, que es el marco terico utilizado para fundamentar la
investigacin: en concreto, utilizaremos en este trabajo las ideas de prctica matemtica
y objetos ligados a las prcticas, funcin semitica e idoneidad didctica. Las ideas de
prcticas y objetos servirn para analizar los objetos matemticos relacionados con la
probabilidad condicional, con el fin de describir un significado de referencia de dicho
concepto en nuestro trabajo. A partir de la funcin semitica determinaremos algunos
conflictos semiticos relacionados con la probabilidad condicional. Usaremos el
Captulo 1

6
concepto idoneidad didctica para valorar los recursos educativos tiles en la
formacin de profesores sobre este tema.
Posteriormente describiremos los contenidos relacionados con la probabilidad
condicional en el currculo espaol de Educacin Secundaria Obligatoria y Bachillerato,
junto con un anlisis de las recomendaciones de algunos organismos internacionales
sobre la enseanza de la probabilidad condicional.
El captulo se finaliza exponiendo los objetivos del trabajo y haciendo un breve
resumen de la organizacin del mismo y de las caractersticas metodolgicas de los
diversos estudios que lo componen.

1.2. IMPORTANCIA DE LA PROBABILIDAD CONDICIONAL

Uno de los conceptos ms fundamentales en la comprensin de la inferencia, tanto
en su perspectiva clsica, como bayesiana es el de probabilidad condicional, que
permite incorporar cambios en nuestro grado de creencia sobre los sucesos aleatorios a
medida que obtenemos nueva informacin (Heitele, 1975). La razn es que una
probabilidad no siempre se asigna en ausencia de informacin, sino que a menudo
tenemos conocimientos sobre los sucesos implicados, que podemos utilizar para mejorar
nuestra asignacin inicial de probabilidades.
As, cuando un mdico establece el diagnstico de un enfermo, no slo valora las
probabilidades de incidencia de diversas posibles enfermedades que puedan
corresponder a la misma patologa en la poblacin general, sino que tambin tendr en
cuenta la edad y gnero del paciente y su historial de enfermedades previas. Ejemplos
similares aparecen en muchos contextos cotidianos, como el pronstico del tiempo,
resultados de partidos o votaciones, calificaciones en exmenes o veredictos en juicios.
Daz (2004) indica que la probabilidad condicional est en la base de muchos
conceptos inferenciales, incluyendo los que tienen mayor dificultad de comprensin por
parte de los investigadores:
En relacin con el test de hiptesis, el concepto de probabilidad condicional
interviene en la definicin del p-valor, nivel de significacin, distribucin muestral
del estadstico, regin de aceptacin y crtica, as como en la aplicacin de la lgica
del contraste, en la definicin de los errores tipo I y II, y de la potencia.
En el mtodo fiducial lo usamos para definir la funcin de verosimilitud.
El problema de investigacin

7
En la inferencia Bayesiana, tanto las probabilidades a posteriori como las
verosimilitudes se definen en trmino de la probabilidad condicional. Es tambin el
ncleo del teorema de Bayes y del concepto de regin de credibilidad.
Tambin en la metodologa de intervalos de confianza frecuenciales, tanto los
conceptos de nivel de confianza, como la construccin del intervalo se basan en la
probabilidad condicional.

Muchas interpretaciones errneas descritas en estos conceptos se deben, bien al
intercambio de trminos en la probabilidad condicional (Falk, 1986), bien a la confusin
entre probabilidad condicional y simple o conjunta (Pollatsek, Well, Konold y
Hardiman, 1987) o a no comprender un razonamiento basado en una lgica condicional.
Pensamos, por tanto, que sera preciso ayudar a profesores y estudiantes a mejorar su
comprensin de este concepto.
Adems, la probabilidad condicional interviene tambin en el estudio de la
correlacin y regresin, que se definen basndose en este concepto y que se extienden
posteriormente a muchos procedimientos, tales como los modelos lineales, el anlisis
factorial o discriminante y la asociacin de variables cualitativas. Creemos que no es
exagerado decir que la probabilidad condicional es posiblemente uno de los temas
estadsticos ms relevantes. Por otro lado, el lenguaje y notacin usadas durante la
enseanza no es siempre el ms sencillo, como indica Feller (1973, p. 127): La nocin
de probabilidad condicional es un instrumento bsico de la teora de probabilidades y,
por desgracia, su gran simplicidad se ve a veces oscurecida por una terminologa
singularmente inadecuada.
En consecuencia de la relevancia citada, pensamos que no se ha prestado la debida
atencin a este concepto en la enseanza secundaria ni universitaria. Todo ello justifica
el inters de una investigacin sobre el tema.

1.3. MARCO TERICO

En este trabajo vamos a utilizar algunas nociones tericas desarrolladas por
Godino y colaboradores en el Enfoque Ontosemitico (EOS). Este marco terico
propone tres dimensiones en el anlisis de la enseanza y el aprendizaje de las
matemticas, que son: la epistemolgica, la cognitiva y la instruccional. Cada una de
Captulo 1

8
ellas se aborda con herramientas tericas agrupadas en tres modelos tericos: teora de
los significados institucionales y personales de los objetos matemticos (Godino y
Batanero, 1994, 1998a y b), teora de las funciones semiticas (Godino, 2002; Godino,
Batanero y Roa, 2005) y teora de las configuraciones didcticas (Godino, Contreras y
Font, 2006). Adems, recientemente se interesa por definir un modelo de conocimientos
del profesor (Godino, 2009). En nuestro trabajo utilizaremos tan slo parte de los
conceptos que forman este marco terico.

1.3.1. LA ACTIVIDAD MATEMTICA Y OBJETOS LIGADOS A ELLAS

En este marco terico se considera la matemtica desde un triple punto de vista:
(a) como actividad de resolucin de problemas (internos o externos a las matemticas)
socialmente compartida; (b) como un lenguaje simblico propio en que se expresan las
ideas matemticas; y (c) como un sistema conceptual lgicamente organizado. Para
hacer operativo este triple carcter de la matemtica se toma como nocin primitiva la
de situacin-problemtica, a partir de la cual definen los conceptos de prctica, objeto
(personal e institucional) y significado, que describimos a continuacin (Godino, 2002).
Los autores de este marco terico conciben la actividad matemtica como un
conjunto de prcticas, de las cules surgen los objetos matemticos. Una prctica
matemtica es toda actuacin o expresin (verbal, grfica, etc.) realizada por alguien
para resolver problemas matemticos, comunicar a otros la solucin obtenida y
validarla o generalizarla a otros contextos y problemas (Godino y Batanero, 1994, p.
334). En el estudio de las matemticas, ms que una prctica particular ante un
problema concreto, interesa considerar los sistemas de prcticas de las personas en su
actuacin ante tipos de situaciones problemticas. A la pregunta, qu es un objeto
matemtico se propone como respuesta: el sistema de prcticas que realiza una
persona (significado personal), o compartidas en el seno de una institucin (significado
institucional) para resolver un tipo de situaciones-problemas ligadas con el objeto
(Godino y Batanero, 1994, p. 335).
Puesto que los significados dependen de los contextos sociales y de los sujetos, su
carcter es relativo. Su uso en el anlisis didctico lleva, en consecuencia, a introducir la
tipologa bsica de significados que se resume en la Figura 1.3.1 (Godino, 2003, p.
141). Respecto al significado institucional, se diferencia entre el global (qu significa el
El problema de investigacin

9
objeto en una institucin), referencial (qu significado del objeto se considera en una
enseanza o investigacin), pretendido (qu se pretende ensear), implementado (qu se
logra ensear) y evaluado (qu parte se evala).
Figura 1.3.1 Tipos de significados institucionales y personales
SIGNIFICADOS
PERSONALES
Global
Declarado
Logrado
SIGNIFICADOS
INSTITUCIONALES
Referencial
Pretendido
Implementado
Evaluado
Participacin
Apropiacin
Enseanza
Aprendizaje

Respecto al significado personal, se diferencia entre global (todo lo que un sujeto
conoce), evaluado (lo que podemos evaluar a priori de su conocimiento), declarado (lo
que, pasada la evaluacin, hemos conseguido evaluar) y logrado (la parte del
conocimiento que est de acuerdo con el significado institucional).
En la parte central de la Figura 1.3.1 se representan las relaciones entre enseanza
y aprendizaje, que supone el acoplamiento progresivo entre los significados personales e
institucionales. La enseanza implica la participacin progresiva del estudiante en la
comunidad de prcticas que soporta los significados institucionales, y el aprendizaje
implica la apropiacin por el estudiante de dichos significados (Godino, 2003).

1.3.2. OBJETOS EMERGENTES E INTERVINIENTES EN LOS SISTEMAS DE
PRCTICAS

Godino, Batanero y Font (2007) describen diferentes categoras en los objetos
ligados a las prcticas matemticas, que sern objetos institucionales si los sistemas de
prcticas son compartidos en el seno de una institucin o sern objetos personales si
dichos sistemas de prcticas son realizados por una persona. Es decir, se tienen en
cuenta las dimensiones social y personal del conocimiento y tambin el hecho de que
una prctica personal pudiera ser o no adecuada desde el punto de vista de la institucin.
A continuacin se describen las categoras de objetos propuestas:
Captulo 1

10
Situaciones-problemas: Son todas las aplicaciones extra-matemticas, ejercicios,
problemas o situaciones que inducen una actividad matemtica. En nuestro caso el
problema puede ser la bsqueda de una estrategia ptima en un juego, la toma de
una decisin o bien problemas planteados por el profesor con relacin a un recurso
didctico relacionado con la probabilidad condicional.
Lenguajes: Los trminos, expresiones, notaciones y grficos que se utilizan para
representar los datos del problema, las operaciones que hacemos con ellos, los
objetos matemticos que se utilizan y la solucin encontrada. En la resolucin de los
problemas citados, se usa el lenguaje verbal, icnico y simblico, as como el
lenguaje grfico (por ejemplo, el diagrama en rbol).
Conceptos-definicin: En las prcticas que llevan a cabo los estudiantes para
resolver un problema matemtico se usan implcita o explcitamente objetos
matemticos, de los cules el alumno ha de recordar o aplicar la definicin. Por
ejemplo, los estudiantes usarn implcitamente los objetos: aleatoriedad, espacio
muestral, suceso, probabilidad, o independencia.
Proposiciones o enunciados sobre relaciones o propiedades de los conceptos que
igualmente se han de emplear al resolver problemas matemticos. Por ejemplo,
cuando los estudiantes tienen que recordar que la suma de probabilidades en el
espacio muestral es igual a la unidad o la regla de la suma y el producto.
Procedimientos: Seran los algoritmos, operaciones, tcnicas de clculo que los
estudiantes han aprendido durante la enseanza previa y que aplican al resolver el
problema. En nuestro caso, los estudiantes usarn tcnicas sencillas de clculo de
probabilidades, como tcnicas combinatorias, uso de diagrama en rbol, etc.
Argumentos: Seran los enunciados usados para validar o explicar las proposiciones
y procedimientos o bien la solucin de los problemas.

Godino, Batanero y Font (2007) indican que las seis categoras de objetos
descritos estn relacionados entre s formando configuraciones, es decir redes de objetos
intervinientes y emergentes de los sistemas de prcticas. Los autores clasifican estas
configuraciones en epistmicas (cuando se trata de objetos institucionales) o cognitivas
(si se refieren a objetos personales). La configuracin epistmica es el conjunto de
objetos matemticos que intervienen en la resolucin de las actividades. Dentro de la
configuracin se distingue la previa (los objetos que se supone el alumno conoce antes
El problema de investigacin

11
de trabajar en la unidad didctica) y la emergente (lo que suponemos se va a aprender).
Figura 1.3.2. Objetos y procesos que intervienen en las prcticas matemticas

Como vemos en la Figura 1.3.2, cada uno de estos objetos tiene asociado un
proceso matemtico: problematizacin, comunicacin, definicin, enunciacin,
argumentacin y algoritmizacin (Godino, Batanero y Font, 2007). Adems estos
autores contemplan los objetos anteriores desde diferentes facetas duales:
Personal institucional. Si los sistemas de prcticas son compartidas en el seno de
una institucin, los objetos emergentes se consideran objetos institucionales,
mientras que si estos sistemas son especficos de una persona se consideran como
objetos personales (Godino y Batanero, 1994).
Ostensivo no ostensivo. Se entiende por ostensivo cualquier objeto que se puede
mostrar a otro, es decir, materializado de alguna forma.
Expresin contenido. Antecedente y consecuente de cualquier funcin semitica
(que definimos en la siguiente seccin).
Extensivo intensivo. Un objeto que interviene como un caso particular (un ejemplo
especfico de la media) y una clase ms general, como las medias de todas las
muestras de una poblacin.
Unitario sistmico. En algunas circunstancias los objetos matemticos se
consideran unitarios (un dato) y en otros como compuestos de varios objetos (la
distribucin de datos).

Captulo 1

12
Tambin en la Figura 1.3.2 vemos que se consideran una serie de procesos
asociados a estas dualidades: institucionalizacin personalizacin; generalizacin
particularizacin; anlisis/descomposicin sntesis/reificacin; materializacin/
concrecin idealizacin/abstraccin; expresin/representacin significacin.

1.3.3. RELACIONES ENTRE OBJETOS: FUNCIN SEMITICA

Otro punto de inters en nuestro estudio es el de funcin semitica, que sirve para
resaltar los procesos de interpretacin que se llevan a cabo en la actividad matemtica y
en los cuales a veces pueden aparecer desajustes (conflictos) de interpretacin entre el
alumno y el profesor.
Los autores del marco terico describen la idea de funcin semitica como
correspondencia entre un antecedente y un consecuente, establecida por un sujeto
(persona o institucin). Por ejemplo, un Applet en Internet, puede considerarse como
una funcin semitica, donde el antecedente es el propio Applet, que representa
visualmente un cierto juego (como el juego de Monty Hall) o bien un procedimiento o
teorema matemtico (por ejemplo, el teorema de Bayes). La correspondencia suele ser
implcita, aunque en algunos casos, se incluyen instrucciones para la interpretacin de
los recursos. Tanto si hay instrucciones como si no, es posible que el estudiante que
trabaja con el recurso no comprenda su funcionamiento o no interprete correctamente
los resultados producidos. Si las interpretaciones hechas por el estudiante no son las
esperadas por el profesor, diremos que hay un conflicto semitico.
El antecedente (expresin) y el consecuente (significado) de una funcin
semitica no se restringen a conceptos, sino abarcan toda la anterior ontologa de
objetos matemticos u organizaciones de estos en entidades ms complejas, como
sistemas conceptuales o teoras. As en nuestro estudio, podemos descomponer el
trabajo con tareas o recursos, generalmente en partes, tras las cuales aparecen diferentes
objetos matemticos implcitos. Se tratar de poner de manifiesto estos objetos, as
como las dificultades que los estudiantes o profesores pueden tener en su uso.

1.3.4. CRITERIOS DE IDONEIDAD DIDCTICA

Otro concepto que usamos en nuestro trabajo es la nocin de idoneidad didctica,
El problema de investigacin

13
que se define como la articulacin de seis componentes (Godino, Wilhelmi y Bencomo,
2005; Godino, Contreras y Font, 2006):
Idoneidad epistmica: Representatividad de los significados institucionales
implementados (o pretendidos) en una situacin o recurso didctico, respecto de un
significado de referencia. Un alto grado indica que los significados de los objetos
presentes en un recurso son adecuados desde el punto de vista matemtico.
Idoneidad cognitiva: Grado en que los significados pretendidos/implementados en
una situacin o recurso didctico son asequibles a los alumnos, as como si los
significados personales logrados por los alumnos son los significados pretendidos
por el profesor.
Idoneidad interaccional: Grado en que la organizacin de la enseanza permite
identificar conflictos semiticos y resolverlos durante el proceso de instruccin.
Depender del discurso del profesor en el aula y de la forma de trabajo de los
alumnos.
Idoneidad mediacional: Se refiere a ladisponibilidad y adecuacin de los recursos
necesarios para el desarrollo del proceso de enseanza-aprendizaje. Dichos recursos
pueden ser materiales tradicionales o tecnolgicos, libros o guas de estudio, tiempo
disponible o cualquier otro recurso.
Idoneidad emocional: Inters y motivacin del alumnado en el proceso de estudio.

1.3.5. NIVELES DE ANLISIS PROPUESTOS EN EL EOS

De acuerdo a Godino, Font y Wilhelmi (2008) una tarea importante para el
profesor es valorar la propia prctica docente con la finalidad de favorecer el
aprendizaje de los estudiantes. Para facilitar esta valoracin los autores describen
diversos niveles de anlisis. En concreto, usaremos en nuestro trabajo los siguientes
niveles de anlisis:
1. Sistemas de prcticas y objetos matemticos (previos y emergentes). Este nivel de
anlisis se aplica durante la planificacin de la enseanza y pretende estudiar las
prcticas matemticas planificadas. Permite descomponer el proceso de estudio
previsto en una secuencia de episodios y, para cada uno de ellos, describir las
prcticas supuestas. Como consecuencia se identifica una configuracin epistmica
global.
Captulo 1

14
2. Procesos matemticos y conflictos semiticos. En toda prctica se identifica un
sujeto agente (institucin o persona). Este nivel de anlisis se centra en los objetos y
procesos que intervienen en la realizacin de las prcticas previstas, y tambin en los
que emergen de ellas. La finalidad es describir la complejidad de las prcticas
matemticas como factor explicativo de los conflictos semiticos que se podran
producir en su realizacin.
3. Idoneidad didctica del proceso de estudio. Se trata de analizar si se verifican los
diferentes tipos de idoneidad descritos en el punto anterior. Para ello los autores
proporcionan unas guas de descriptores para poder valorar cada uno de los tipos de
idoneidad.

1.4. LA PROBABILIDAD CONDICIONAL Y LOS OBJETOS MATEMTICOS
RELACIONADOS

En lo que sigue analizamos el objeto matemtico probabilidad condicional y los
objetos relacionados con l. Tomamos como base el trabajo de Daz (2004) quien, para
construir un cuestionario de evaluacin sobre razonamiento condicional, lleva a cabo un
anlisis del contenido sobre probabilidad condicional en los libros de estadstica usados
en las universidades espaolas en la licenciatura de psicologa. Se ampla con algunos
textos de estadstica o probabilidad.

1.4.1. PROPIEDADES Y CONCEPTOS RELACIONADOS CON LA
PROBABILIDAD CONDICIONAL

lgebra de sucesos
Para introducir la probabilidad condicional, necesitamos primeramente algunas
ideas previas, entre ellas los axiomas de probabilidad propuestos por Kolmogorov.
Partiendo de un experimento aleatorio, definimos espacio muestral como el conjunto
de resultados posibles, es decir el conjunto de todos los sucesos aleatorios asociados a
un experimento aleatorio.
Sea una clase no vaca de conjuntos de , que se denominarn sucesos
aleatorios o simplemente sucesos. Se llama suceso aleatorio A, a cualquier subconjunto
del espacio muestral. Se consideran las operaciones entre sucesos, dentro del mismo
El problema de investigacin

15
espacio muestral : el suceso unin A B , el suceso interseccinA B y el suceso
complementarioA, que se representan en la Figura 1.4.1. Estas operaciones son
similares a las definidas entre conjuntos y tienen sus mismas propiedades, por lo que
tiene una estructura de lgebra (de Boole o ms generalizada).
Figura 1.4.1. Operaciones entre sucesos


S A B = ; entonces decimos que son incompatibles o mutuamente
excluyentes. Este concepto ser importante en nuestro anlisis pues los alumnos
confunden sucesos excluyentes e incompatibles. Dados { }
i
A decimos que forman un
sistema completo de sucesos si son mutuamente excluyentes y
1
n
i
i
A
=
=

.

Probabilidad. Axiomtica de Kolmogorov
Dado un espacio muestral , y un -lgebra de sucesos sobre l, diremos que
cualquier funcin P definida sobre una clase P es una probabilidad sobre si cumple
los tres axiomas de probabilidad:
1. P: [0, 1] . . La probabilidad es una funcin definida sobre y que slo
toma valores positivos comprendidos entre 0 y 1.
2. P() =1, La probabilidad del suceso seguro es 1.
3. Si A, B ; A B = ( ) ( ) ( ) P A B P A P B = + , s { }
1
n
i
i
A
=
;
i j
A A =
( ) ( )
i i
i
P A P A =

; es decir si un conjunto de eventos son mutuamente


excluyentes o incompatibles, no ocurren simultneamente, entonces la frecuencia
relativa de su unin es la suma de las frecuencias relativas de cada uno.

Por lo tanto P es una funcin numrica sobre es normada, no negativa y
finitamente aditiva (medible) que toma sus valores en el intervalo [0,1]. Al valor de P
Captulo 1

16
para un suceso A se denominar probabilidad de A y se designar por ( ) P A . El par
( , ) P se denominacampo de probabilidad y la terna ( , , ) P se denomina espacio de
probabilidad o espacio probabilstico (Loeve, 1976).

Probabilidad condicional
Sean ( , , ) P un espacio probabilstico, sean dos sucesos , A B con
probabilidades respectivas de ocurrencia ( ) P A y ( ) P B . Dado el suceso A tal que
( ) 0 P A > , cabe preguntarse si la probabilidad de que ocurra B seguir siendo la misma
o habr sufrido alguna modificacin. Para calcular la probabilidad del suceso B,
condicionada por el suceso A, suponemos que el espacio muestral est
formado por n sucesos elementales de los cuales
1
n son favorables a la
realizacin del suceso A,
2
n lo son a B y
T
n lo son a la del suceso A B .
Puesto que ponemos la condicin del suceso A se produce una restriccin del
espacio muestral que ahora coincide con A. Los sucesos posibles sern los que forman
parte de B. Los favorables son los que forman parte de la interseccin. Por tanto, la
probabilidad del suceso B condicionado por A, que representamos por P(B/A) es la
razn entre las probabilidades ( ) P A B y ( ) P A .
( )
( / )
( )
P A B
P B A
P A

= ; Siempre que P(A) >0.



Definicin intuitiva de probabilidad condicional
Algunos libros definen intuitivamente la probabilidad condicional P(A/B) de un
suceso A dado otro suceso B a partir de la frecuencia relativa. Por ejemplo, Pea (1986,
p. 76) define la frecuencia relativa de A condicionada a la ocurrencia de B, en la forma
siguiente: considerando nicamente los casos en los que aparece B y viendo en
cuntos de esos casos ocurre el suceso A; es, por tanto, igual a la frecuencia de
ocurrencia conjunta de A y B, partida por el nmero de veces que ha ocurrido B. De
esta definicin deduce el concepto de probabilidad condicional, usando la siguiente
notacin:
( )
( / )
( )
P AB
P B A
P A
= ,
El problema de investigacin

17
donde AB representa el suceso ocurrencia conjunta de A y B, siempre suponiendo
que P(B)>0 (Pea, 1986, p. 76). En esta definicin est implcita la restriccin del
espacio muestral. El autor no usa explcitamente el smbolo de la interseccin de
sucesos para la probabilidad conjunta.

Propiedades de la probabilidad condicional
Nortes (1993) indica especficamente y demuestra que una probabilidad
condicional cumple los tres axiomas de la probabilidad:
1. La probabilidad condicional es siempre un nmero entre 0 y 1; ( / ) 1. P A B
2. El axioma de la unin: ( / ) ( / ) ( / ) ( / ) P A B C P A C P B C P A B C = + .
3.
( ) ( )
( / ) 1.
( ) ( )
P E A P A
P E A
P A P A

= = = La probabilidad condicional del suceso seguro es


igual a 1.

De estos axiomas principalmente podemos reducir las propiedades de la
probabilidad condicional a las siguientes:
En general P(A/B) es distinto a P(B/A). Uno de los errores frecuentemente descritos
sobre la comprensin de la probabilidad condicional es que los sucesos A y B a
veces se intercambian o no se tiene conciencia de que P(A/B) puede ser diferente de
P(B/A).
( / ) 1 ( / ). P A B P A B = La probabilidad condicional del suceso complementario a
uno dado es igual a la unidad menos la probabilidad condicional del
complementario.
( / ) 1 ( / ) 0 P A P A = = ; esto implica que la probabilidad conjunta de dos
sucesos mutuamente excluyentes es igual a cero.
( / ) ( / ) ( / ) ( / ). P A B C P A C P B C P A B C = + Es decir la probabilidad de la
unin de dos sucesos condicionada a otro es igual a la suma de las probabilidades
condicionadas menos la probabilidad de la interseccin condicionada.
S A B ( / ) ( / ). P A C P B C Si un suceso est contenido en otro, la
probabilidad del primero condicionada a otro suceso es siempre menor que la
probabilidad del segundo condicionada al mismo. Si A B tenemos la siguiente
propiedad (Poularikas, 1999):
( )
( / ) ( )
( )
P A
P A B P A
P B
= .
Captulo 1

18
Si A B
( )
( / )
( )
P A
P A B
P B
= y ( / ) 1 P B A = . Si un suceso est contenido en otro,
la probabilidad del primero condicionada al segundo es igual al cociente de las
probabilidades respectivas. Si condicionamos el segundo al primero la probabilidad
condicionada vale 1.
( ) ( ) ( / ) P A B P A P B A = . Se obtiene fcilmente partiendo de la definicin de la
probabilidad condicionada ( / ) P B A .
Para cualquier par de sucesos A, B y C, se cumple que:
( ) ( ) ( ) ( ) ( / ) ( ) ( / ) P A P A B P A B P B P A B P B P A B = + = + .
Y en particular tenemos que:
( ) ( )
( / ) ( / ) ( / )
( ) ( )
P A B C P A B C
P A C P A B C P A B C
P C P C

= + = + .

Si A y B son mutuamente excluyentes. Tenemos las siguientes propiedades
(Poularikas, 1999):
1. ( / ) 0 P A B = ;
2. ( / ) ( / ) ( / ) P A B C P A C P B C = + ;
3.
( / ) ( / )
( ) ( )
P A B P B A
P B P A
= .

Pea (1986) hace hincapi en las siguientes propiedades:
Es importante diferenciar entre ( ) P A B y P(A/B).
Una probabilidad conjunta ( ) P A B es siempre menor que las probabilidades
simples P(A) y P(B).
Una probabilidad condicionada P(A/B) puede ser mayor, menor o igual que P(A).
El espacio muestral en la probabilidad condicional P(A/B) queda restringido a B.

Respecto a esta ltima propiedad, Cuadras y cols. (1988) distinguen entre P(A),
probabilidad libre o incondicionada, donde el espacio muestral es , y P(A/B)
probabilidad condicionada, donde el espacio muestral es B. B es el suceso condicionante
o lo que Cuadras y cols. denominan informacin. Daz (2004) recuerda que nunca
podra aparecer en una frmula una suma o diferencia de probabilidades condicionadas
El problema de investigacin

19
a diferentes sucesos, dado que en este caso las probabilidades estaran definidas sobre
distintos espacios muestrales.
Aparte de las propiedades y los axiomas de probabilidad condicionada se han de
tener en cuenta los siguientes conceptos relacionados.

Independencia
Para Borovnick, Bentz y Kapadia (1991) la independencia es el concepto que
distingue la teora de la probabilidad, de la teora de la medida. Es parte de las
definiciones fundamentales en esta rama de las matemticas, pero no un axioma bsico.
Ortiz (1999) indica que es una hiptesis clave en teoremas fundamentales, como
el de Bernoulli, que establece un puente del enfoque estructural a la interpretacin
frecuencial y por ello la identificacin de este concepto contribuy a la aceptacin
rpida de la axiomtica de Kolmogorov por la comunidad cientfica. Con el concepto de
independencia de ensayos similares es posible deducir una medida de probabilidad en el
espacio producto con solo conocer la distribucin de probabilidad en los espacios
muestrales de cada experimento simple. Por ello se convirti en una pieza clave en la
axiomtica de Kolmogorov.
Dos sucesos A y B, tales que ( / ) ( ) P B A P B = se conocen con el nombre de
sucesos independientes. Si por el contrario ( / ) ( ) P B A P B los sucesos los
denominaremos dependientes. Dicho en palabras, los sucesos son independientes si la
probabilidad de uno de ellos no cambia al condicionarlo por el otro. Otra forma de
definir la independencia es a partir de la regla del producto, aunque es menos intuitiva
para los alumnos: A y B son independientes si y slo si ( ) ( ) ( ). P A B P A P B =
Cuadras y cols. (1988) afirman que esta propiedad es condicin necesaria y
suficiente para que dos sucesos sean independientes. Esta regla del producto se puede
extender a ms sucesos independientes:
1 2 1 2
( ... ) ( ) ( ) ... ( )
k k
P A A A P A P A P A = .
La independencia entre sucesos, aunque se puede prever en algunos casos como en
lanzamientos de dados u otros juegos de azar, generalmente debe determinarse
experimentalmente. Esto hace que, aunque la definicin de independencia sea sencilla
matemticamente, los estudiantes tengan muchas dificultades al aplicarla para resolver
problemas.
Captulo 1

20
Cuadras y Cols. (1988) indican tambin algunas propiedades ms de la
independencia:
Si A y B son dos sucesos independientes, tambin son independientes
; ; . A y B A y B A y B
Es interesante observar que la relacin de independencia es simtrica, puesto que:
P(B/A)=P(B) implica que P(A/B)=P(A). En efecto, Si P(B/A)= P(B), se tendr que
P(A/B)=P(AB)/P(B)=P(A) P(B)/P(B)=P(A).

Montgomery y Runger (2002) destacan adems que la independencia implica
resultados relacionados como:
( ) ( ) ( ) P A B P A P B = .
El concepto de independencia es una relacin importante entre sucesos. A
menudo, la independencia es asumida para ser la parte del experimento arbitrario que
describe el sistema fsico en el estudio. Hwei y Hsu (2003) aaden la siguiente
propiedad: Si A, B y C tal que ( ) ( ) ( ) ( ) P A B C P A P B P C = entonces:
A, B y C son independientes;
( ) ( ) ( ) P A B P A P B = ;
( ) ( ) ( ) P A C P A P C = ;
( ) ( ) ( ) P B C P B P C = .

Dependencia
Del concepto de independencia se deduce el concepto de sucesos dependientes.
Cuadras y cols. (1988) lo definen de esta forma: Si ( / ) ( ) P A B P A , la presencia de B
altera la probabilidad de A y se dice que el suceso A es estocsticamente dependiente
del suceso B. Si ( / ) ( ) P A B P A > , la presencia del suceso B favorece al suceso A. Si
( / ) ( ) P A B P A < , la presencia del suceso B desfavorece al suceso A. Igualmente
podemos decir que:
Cuando P(B/A)=P(B) entonces la ocurrencia de A no tiene ningn efecto sobre la de
B;
Cuando P(B/A)>P(B) entonces el suceso A favorece al B;
Cuando P(B/A)< P(B) entonces el suceso A desfavorece al B;
Cuando P(B/A)= P(B) entonces la ocurrencia de A no tiene ningn efecto sobre B.
El problema de investigacin

21
Como hemos indicado los alumnos confunden sucesos independientes y
mutuamente excluyentes. Tambin hemos visto que la probabilidad conjunta de dos
sucesos mutuamente excluyentes es igual a cero. Por ello, dos sucesos mutuamente
excluyentes son dependientes, ya que la ocurrencia de uno hace que el otro no pueda
ocurrir.

Intercambiabilidad
En algunos de los textos de enfoque bayesiano se incluye este concepto, como
hiptesis no tan restrictiva como la independencia. Por ejemplo, en Berry (1995, p. 134)
se presenta este concepto en la forma siguiente: Dos experimentos son intercambiables
si se cumple lo siguiente:
1. Los posibles resultados son los mismos en los dos;
2. La probabilidad de cada resultado de uno es la misma que en el otro;
3. La probabilidad condicional para el segundo experimento, dados los resultados del
primero son las mismas que las probabilidades condicionales del primero, dado el
segundo.

Regla del producto
Una propiedad relacionada con las anteriores es la regla del producto, que permite
calcular las probabilidades en experimentos compuestos. Esta regla es la siguiente:
( ) ( ) ( / ). P A B P A P B A =

Algunos de textos de estadstica, como el de Nortes (1993), diferencian entre
sucesos independientes y dependientes para la aplicacin de la regla del producto,
proporcionando explcitamente las frmulas, o bien ejemplos de su aplicacin, en los
dos casos. Para dos sucesos independientes, la regla del producto se define en la
frmula siguiente:
( ) ( ) ( ) P A B P A P B = .

Botella y cols. (1993, p. 283) introducen el teorema del producto del siguiente
modo: La probabilidad de verificacin simultnea de dos sucesos independientes es
igual al producto de sus probabilidades simples. Para ms de dos sucesos
Captulo 1

22
independientes, se ira generalizando la regla. Por ejemplo, para tres sucesos
independientes la regla es la siguiente:
( ) ( ) ( ) ( ) P A B C P A P B P C = .

Para n sucesos independientes la regla del producto es como sigue:
1 2 1 2
( ... ) ( ) ( ) ... ( ).
k k
P A A A P A P A P A =

Para dos sucesos dependientes, la probabilidad de que ocurran A y B (sucesivas o
simultneas) es igual a la probabilidad de que ocurra A por la probabilidad de que
ocurra B condicionando de A, es decir, segn expresa Nortes (1993, p. 219):
( ) ( ) ( / ) P A B P A P B A = .

En el caso de ms de dos sucesos dependientes, la regla del producto sera:
( ) ( ) ( / ) ( / ) P A B C P A P B A P C A B = .

Teorema de la Probabilidad Total
Introducidas las nociones de dependencia e independencia y la regla del producto
podemos pasar al teorema de la probabilidad total, que expresa la probabilidad de un
suceso cuando se conocen las probabilidades de que este suceso sea debido a cada una
de una serie de causas mutuamente incompatibles. Sea { }
i
A una sucesin de sucesos
disjuntos dos a dos, y tales que
1
1
( ) 0
n
i
i
P A

=
>

y su unin constituya una particin del


espacio muestral (sistema completo de sucesos). Se verifica que:
1 1 2 1 3 1 2 1 -1
( ... ) ( ) ( / ) ( / ) ... ( / ... )
n n n
P A A P A P A A P A A A P A A A =
1 1
/ ( / )
n n
i i
i i
P A A P A A
= =

=



.

Teorema de Bayes
Sean n sucesos disjuntos
1 2 n
, ,..., , B B B A tales que ( ) 0, ( ) 0;
i
P B P A > >
1, 2, ..., i n = ; tales que forman un sistema completo de sucesos. Se verifica que:
El problema de investigacin

23
( / ) ( ) ( / ) ( )
( / )
( )
( ) ( / )
i
P A Bi P Bi P A Bi P Bi
P Bi A
P A
P Bi P A Bi
= =

.
Cuadras y cols. (1988, p. 122) definen los sucesos { }
1 2 n
, ,..., B B B con
( ) 0
i
P B > , como una particin del espacio muestral E. A estos sucesos los denominan
causas y al suceso A efecto. A es un suceso cualquiera que si ocurre, lo hace
conjuntamente con uno de los sucesos de la particin { }
1 2 n
, ,..., B B B .
Las probabilidades ( ) 0; 1,...,
i
P B i n > = se denominan probabilidades a priori ya
que son las que se asignan inicialmente a los sucesos
i
B . Las probabilidades
( / ) 0; 1,...,
i
P A B i n > = ; se denominan verosimilitudes del suceso A admitiendo la
hiptesis
i
B . Las verosimilitudes ( / ) 0
i
P A B > nos permiten modificar nuestro grado de
creencia original ( )
i
P B obteniendo la probabilidad a posteriori ( / )
i
P B A . Sean
1 2 n
, ,..., B B B y A k sucesos mutuamente excluyentes y exhaustivos, entonces:
1 1 1
( ) ( ) ... ( ) ( ) ( / ) ... ( ) ( / )
k k k
P A P B A P B A P B P A B P B P A B = + + = + + .

1.4.2. PROBLEMAS Y PROCEDIMIENTOS

Daz (2004, 2007) analiza los problemas relacionados con la probabilidad
condicional en una muestra de libros de texto usados en la enseanza de estadstica en
Psicologa. Encuentra las siguientes categoras:
1. Calcular una probabilidad condicional, dentro de un experimento simple, como en el
siguiente ejemplo, tomado de Gutirrez, Martnez y Rodrguez (1993, p. 47): Se
lanza un dado. Sabiendo que ha aparecido un nmero mayor o igual que 5, Cul
es la probabilidad de que sea mltiplo de 3?.
2. Calcular una probabilidad condicional en un experimento compuesto. Daz (2004,
2007) diferencia en este caso el contexto de muestreo con reposicin y sin
reposicin. Un ejemplo del caso de muestreo con reposicin es el siguiente, tomado
de Devore (1998, p. 119): Una urna contiene 5 bolas rojas y 8 verdes. Se extrae
una bola y se reemplaza por dos del otro color. A continuacin, se extrae una
segunda bola. Se pide: (a) Probabilidad de que la segunda bola sea verde, (b)
Probabilidad de que las dos bolas extradas sean del mismo color.
Captulo 1

24
3. Calcular una probabilidad condicional a partir de probabilidades conjuntas y simples
mediante la frmula ( / ) ( ) / ( ), P A B P A B P B = siempre que P(B) >0. Un ejemplo
es el siguiente problema resuelto de Sea A y B eventos con ( ) 0,6; ( ) 0,3 P A P B = =
y ( ) 0,2 P A B = . Encuentre ( ), ( ), ( / ), ( / ) ( ) P A P B P A B P B A y P A B
(Lipschutz y Lars, 2001, p. 42).
4. Calcular una probabilidad compuesta haciendo uso de la regla del producto. Daz
(2004, 2007) diferencia los casos de sucesos dependientes e independientes. Un
ejemplo, en el caso de suceso dependiente es el siguiente: En una bolsa se tienen 4
bolas blancas y 2 bolas negras; otra contiene 3 bolas blancas y 5 bolas negras. Si
se saca una bola de cada bolsa, hallar la probabilidad de que ambas sean blancas
(Spiegel, 2000, p. 139).
5. Determinar si dos sucesos son dependientes o independientes: Martin-Pliego y Ruiz-
Maya (2006, p. 41) sugieren el siguiente problema: Un juego consiste en arrojar
simultneamente una moneda o un dado. Comprobar que los sucesos en los que
est implicados la moneda y el dado son independientes.
6. Diferenciar entre sucesos mutuamente excluyentes y sucesos independientes. Por
ejemplo: Puede ser independientes dos sucesos mutuamente excluyentes que
tienen probabilidad no nula? (Pea, 1986, p. 77).
7. Calcular la probabilidad total. Todos los problemas relacionados con el teorema de
Bayes implican la resolucin de un problema de probabilidad total. Adems,
algunos libros incluyen explcitamente este tipo de problemas. Por ejemplo el
tomado de Gutirrez, Martnez y Rodrguez (1993, p. 47): En una determinada
poblacin, el 40% son mujeres, el 30% son universitarios, y el 20% son mujeres
universitarias. Si se selecciona al azar una mujer. Cul es la probabilidad de que
sea universitaria?.
8. Resolver problemas bayesianos. Son los problemas en que se da una particin del
espacio muestral y la probabilidad inicial de los sucesos que la componen as como
la condicional de un nuevo suceso que depende de los anteriores. Se pide la
probabilidad final de los sucesos de la particin. Las probabilidades de que un
artculo proceda de una fbrica A o de una B son 0,6 y 0,4, respectivamente. La
fbrica A produce artculos defectuosos con probabilidad 0,01, y la B, con
probabilidad 0,05. Se observa un artculo y resulta defectuoso. Calcula la
probabilidad de que provenga de la fbrica A. (Arnold, 2004, p. 43).
El problema de investigacin

25
9. Resolver problemas de probabilidad condicional y conjunta en experimentos
compuestos de diferentes experimentos simples. Por ejemplo: En una universidad
terminan la carrera el 5% de Arquitectura, el 10% de Ciencias y el 50% de Letras
(slo hay estas carreras). Eligiendo un estudiante al azar se pide: (a) Probabilidad
de que sea de Arquitectura y haya terminado la carrera; (b) Nos dice que ha
terminado la carrera. Probabilidad de que sea de Arquitectura (Cuadras y cols.,
1988, p. 137).
10. Estimar probabilidades condicionales y conjuntas mediante simulacin. Estos
problemas slo los hemos encontrado en los dos libros con enfoque basado en el
ordenador. Por ejemplo: Considera el ejemplo de prueba sangunea discutido en el
captulo. Supn que haces tres pruebas y son todas positivas. Tienes una alta
probabilidad de tener la enfermedad? Usa Minitab en los clculos" (Albert y
Rossman, 2001, p. 34).

1.4.3. REPRESENTACIONES Y ARGUMENTOS

Los elementos del lenguaje, tales como trminos, expresiones, notaciones,
grficos, etc. son necesarios para resolver los problemas matemticos, para representar
objetos abstractos, as como para argumentar su solucin o para describirlos a otras
personas. Respecto a la probabilidad condicional hemos encontrados los siguientes.

Trminos y expresiones
Encontramos una gran variedad entre los que citamos los siguientes: probabilidad,
probabilidad condicionada, diagrama de rbol, aleatorio, conjuntos vaco, total, unin,
interseccin, probabilidad de la unin, probabilidad de la interseccin, funcin
probabilstica, variable aleatoria, equiprobabilidad, independencia, dependencia, espacio
muestral, suceso, frecuencia relativa, ley de los grandes nmeros, regla de Laplace,
regla del producto, convergencia, simulacin con uso del ordenador, etc.
Asimismo encontramos trminos asociados a los conceptos relacionados:
distribucin de probabilidad, variables aleatorias discretas y continuas, propiedades
estadsticas, clculo de probabilidades de variables y estadsticos, ley de los grandes
nmeros. Hacemos notar que cada una de estas expresiones corresponde a conceptos o
propiedades matemticas que el estudiante debera haber aprendido antes de finalizar el
Captulo 1

26
tema, lo que muestra la complejidad del objeto de estudio.

Expresiones algebraicas
Expresiones como la siguiente, forman parte del conjunto de representaciones
simblicas relacionadas con la probabilidad y se usan sobre todo al dar argumentos de
tipo deductivo:
( ) (( ) ( )) ( ) ( ) ( / ) ( ) ( / ) ( ). P G P G A G B P G A P G B P G A P A P G B P B = = + = +
En ella tenemos una demostracin de que la probabilidad de un suceso se puede
descomponer como la suma de la descomposicin de la probabilidad en otros sucesos
compuestos. Otras expresiones algebraicas se usan al argumentar propiedades o
teoremas relacionados: Por ejemplo, es frecuente encontrar expresiones algebraicas
desarrollando la frmula del teorema de Bayes.
1
( | ) ( ) ( | ) ( )
( | )
( )
( | ) ( )
i i i i
i n
j j
j
P B A P A P B A P A
P A B
P B
P B A P A
=
= =

.
Con ella podemos argumentar la descomposicin de la probabilidad condicionada
de un conjunto de sucesos mutuamente excluyentes y exhaustivos
1 2
{ , ,..., ,..., }
i n
A A A A ,
tales que la probabilidad de cada uno de ellos es distinta de cero y de un suceso B
cualquiera del que se conocen las probabilidades condicionales ( / )
i
P B A , como el
cociente de la descomposicin de los sucesos simples en otros complejos.

Representaciones y argumentaciones grficas
Los grficos son elementos que siempre estn presentes en la probabilidad
condicional. Se reconoce en los grficos un medio elocuente de comunicar ideas, para
refutar teoras, de representar relaciones entre varias variables, de usarlos para distinguir
con ellos el foco de atencin, de cuestionar los datos, en sus propsitos, en la precisin
de la informacin cualitativa extrada de ellos y la realizacin ocasional de funciones
instrumentales.
A la hora de representar o argumentar con la probabilidad condicionada es comn
el uso de los diagramas de rbol. Segn Fischbein (1987), el diagrama en rbol facilita
la resolucin de problemas de probabilidad, aunque algunos autores han mostrado que
los alumnos tienen dificultades en construir un diagrama en rbol adecuado al problema.
En la Figura 1.4.2 reproducimos un grfico encontrado en Internet, en una web dedicada
El problema de investigacin

27
a la enseanza de las tablas de contingencia y la utilidad de los diagramas de rbol:
http://thales.cica.es/rd/Recursos/rd98/Matematicas/28/6.html.
Figura 1.4.2. Diagrama de rbol






Figura 1.4.3. Representacin de sucesos






Otro grfico que se utiliza a la hora de representar la probabilidad condicionada es
la representacin de sucesos, mediante un diagrama de Venn (Figura 1.4.3), tomado de
la pgina web http://www.monografias.com/trabajos55/estructuras-objetos-discretos/
estructuras-objetos-discretos.shtml. Con este grfico tenemos una visin espacial de las
diferentes situaciones que se pueden presentar en el comportamiento de intersecciones,
uniones y como se condicionan unos sucesos a otros.

Representaciones y argumentaciones basadas en el ordenador
Merece mencin aparte la simulacin, la cual permite a travs del ordenador
estudiar las propiedades de un fenmeno aleatorio reemplazndolo por otro isomorfo.
Por medio de dispositivos como el modelo de urnas, es factible simular experimentos
probabilsticos, tales como el lanzamiento de un dado, de una moneda, etc. El papel que
juega la simulacin en la enseanza de la estadstica y la probabilidad ha sido resaltado
entre otros por Biehler (1997), Batanero (2003) y Fernndez, Batanero, Contreras y
Daz (2009), avisando que la simulacin permite poner en manos del estudiante un
instrumento que posibilita la exploracin y el descubrimiento de conceptos y principios
que de otro modo seran mucho ms abstractos. Sin embargo, si no se aaden las
necesarias guas prcticas de la exploracin del simulador, o en caso de haberlas se
Captulo 1

28
disean de manera parcial y difusa, provocar que los estudiantes tengan dificultades
para observar el comportamiento del fenmeno (Godino, Contreras y Font, 2006).

1.5. LA PROBABILIDAD CONDICIONAL EN LA ENSEANZA NO
UNIVERSITARIA

1.5.1. INTRODUCCIN

En esta seccin describiremos algunos contenidos relacionados con la
probabilidad condicional en el currculo espaol de Educacin Secundaria Obligatoria y
Bachillerato. Un anlisis ms completo de estos currculos se recoge en el Anexo 4.
Posteriormente analizaremos las recomendaciones de los organismos internacionales
sobre la enseanza del tema, en particular las orientaciones del NCTM (2000) y el
proyecto GAISE.

1.5.2. LA PROBABILIDAD CONDICIONAL EN LAS ORIENTACIONES
CURRICULARES

La probabilidad en la Educacin Primaria
El Ministerio de Educacin (MEC, 2006) incluye los siguientes contenidos
especficos, sobre azar y la probabilidad en la Educacin Primaria:
Primer Ciclo: Tratamiento de la informacin, azar y probabilidad: Carcter aleatorio
de algunas experiencias. Distincin entre lo imposible, lo seguro y aquello que es
posible pero no seguro, y utilizacin en el lenguaje habitual, de expresiones
relacionadas con la probabilidad.
Segundo Ciclo: Tratamiento de la informacin, azar y probabilidad: Valoracin de
los resultados de experiencias en las que interviene el azar, para apreciar que hay
sucesos ms o menos probables y la imposibilidad de predecir un resultado
concreto. Introduccin al lenguaje del azar. Lectura e interpretacin de tablas de
doble entrada de uso habitual en la vida cotidiana.
Tercer Ciclo: Tratamiento de la informacin, azar y probabilidad: Presencia del azar
en la vida cotidiana. Estimacin del grado de probabilidad de un suceso.
Se seala que los juegos de azar proporcionan ejemplos que permitirn introducir
El problema de investigacin

29
las nociones de probabilidad e incertidumbre. La evaluacin considerar adems de los
aspectos propios de la clasificacin y representacin de datos, la capacidad para deducir
relaciones entre ellos y, sobre todo, la deduccin de conclusiones y estimaciones a partir
de los datos representados.
Para la probabilidad se pretende que el alumnado sea capaz de razonar sobre los
posibles resultados de un experimento aleatorio sencillo. A la vez ha asignado
probabilidades a sucesos equiprobables o no, utilizando distintas estrategias sobre
tcnicas de conteo. Tambin se propicia la asignacin frecuencial, a partir de
experimentos organizados en la clase, que permiten enlazar estadstica y probabilidad.
La J unta de Andaluca (Consejera de Educacin, 2007a) remite a estos mismos
contenidos, aadiendo que los juegos de azar proporcionan ejemplos que permitirn
introducir las nociones de probabilidad e incertidumbre. Respecto a los criterios de
evaluacin repite los citados del ministerio.

La probabilidad en la Educacin Secundaria Obligatoria
Respecto a la Enseanza Secundaria Obligatoria el Decreto de Enseanzas
Mnimas de la Educacin Secundaria (MEC, 2007a) incluye, entre otros, los siguientes
contenidos dentro del Bloque 6, Estadstica y probabilidad:
Primer Curso: Formulacin de conjeturas sobre el comportamiento de fenmenos
aleatorios sencillos y diseo de experiencias para su comprobacin.
Tercer Curso: Sucesos y espacio muestral. Clculo de probabilidades mediante la
regla de Laplace. Formulacin y comprobacin de conjeturas sobre el
comportamiento de fenmenos aleatorios sencillos. Clculo de la probabilidad
mediante la simulacin o experimentacin. Utilizacin de la probabilidad para tomar
decisiones fundamentadas en diferentes contextos.
Cuarto curso. Opcin A: Experiencias compuestas. Utilizacin de tablas de
contingencia y diagramas de rbol para el recuento de casos y la asignacin de
probabilidades.
Cuarto curso. Opcin B: Experiencias compuestas. Utilizacin de tablas
de contingencia y diagramas de rbol para el recuento de casos y la asignacin de
probabilidades. Probabilidad condicionada.

Se incluyen, asimismo, los siguientes criterios de evaluacin:
Captulo 1

30
Primer curso: Hacer predicciones sobre la posibilidad de que un suceso ocurra a
partir de informacin previamente obtenida de forma emprica. Se trata de valorar la
capacidad para diferenciar los fenmenos deterministas de los aleatorios y, en estos
ltimos, analizar las regularidades obtenidas al repetir un nmero significativo de
veces una experiencia aleatoria y hacer predicciones razonables a partir de los
mismos.
Tercer curso: Predecir la posibilidad de que un suceso ocurra a partir de informacin
previamente obtenida de forma emprica o como resultado del recuento de
posibilidades, en casos sencillos. Se pretende medir la capacidad de identificar los
sucesos elementales de un experimento aleatorio sencillo y otros sucesos asociados
a dicho experimento. Tambin la capacidad de determinar e interpretar la
probabilidad de un suceso a partir de la experimentacin o del clculo (regla de
Laplace), en casos sencillos. Por ello tienen especial inters las situaciones que
exijan la toma de decisiones razonables a partir de los resultados de la
experimentacin, simulacin o, en su caso, del recuento.
Respecto a la Consejera de Educacin de la J unta de Andaluca (2007b), los
temas de estadstica se incluyen en Educacin Secundaria en el Bloque 6:
Interpretacin de fenmenos ambientales y sociales a travs de las matemticas. Se
citan como contenidos de este Bloque los correspondientes a los Bloques 5, Funciones y
grficas y 6, Estadstica y probabilidad del Decreto del Ministerio (MEC, 2006b), que
se ponen en este currculo en relacin directa.

La probabilidad en el Bachillerato
La enseanza de las Matemticas en el Bachillerato comprenden los cursos 1 y
2, y el Decreto 1467/2007, de 2 de noviembre, por el que se establece la estructura del
bachillerato y se fijan sus enseanzas mnimas (MEC, 2007b) fija los siguientes
contenidos en relacin con el tema que nos interesa:
Matemticas I, modalidad de Ciencias y Tecnologa: Distribuciones
bidimensionales. Relaciones entre dos variables estadsticas. Regresin lineal.
Estudio de la probabilidad compuesta, condicionada, total y a posteriori.
Distribuciones binomial y normal como herramienta para asignar probabilidades a
sucesos.
El problema de investigacin

31
Matemticas aplicadas a las ciencias sociales I, modalidad Humanidades y
Ciencias Sociales: Distribuciones bidimensionales. Interpretacin de fenmenos
sociales y econmicos en los que intervienen dos variables a partir de la
representacin grfica de una nube de puntos. Grado de relacin entre dos variables
estadsticas. Regresin lineal. Extrapolacin de resultados. Asignacin de
probabilidades a sucesos. Distribuciones de probabilidad binomial y normal.
Matemticas aplicadas a las ciencias sociales II, modalidad Humanidades y
Ciencias Sociales: Profundizacin en los conceptos de probabilidades a priori y a
posteriori, probabilidad compuesta, condicionada y total. Teorema de Bayes.
Implicaciones prcticas de los teoremas: Central del lmite, de aproximacin de la
binomial a a la normal y ley de los grandes nmeros. Problemas relacionados con la
eleccin de las muestras. Condiciones de representatividad. Parmetros de una
poblacin. Distribuciones de probabilidad de las medias y proporciones muestrales.
Intervalo de confianza para el parmetro p de una distribucin binomial y para la
media de una distribucin normal de desviacin tpica conocida. Contraste de
hiptesis para la proporcin de una distribucin binomial y para la media o
diferencias de medias de distribuciones normales con desviacin tpica conocida.

Otro aspecto a resaltar de los Decretos, son los criterios d de evaluacin que se
contemplan, entre los que se pretende para el primer curso: comprobar la capacidad de
apreciar el grado y tipo de relacin existente entre dos variables, a partir de la
informacin grfica aportada por una nube de puntos; as como la competencia para
extraer conclusiones apropiadas, asociando los parmetros relacionados con la
correlacin y la regresin con las situaciones y relaciones que miden. Tambin se
sugiere pretende evaluar si, mediante el uso de las tablas de las distribuciones normal y
binomial, los alumnos son capaces de determinar la probabilidad de un suceso, analizar
una situacin y decidir la opcin ms adecuada.
Para el segundo curso, entre otros criterios de evaluacin se establece: Valorar
tanto la competencia para estimar y calcular probabilidades asociadas a diferentes tipos
de sucesos como la riqueza de procedimientos a la hora de asignar probabilidades a
priori y a posteriori, compuestas o condicionadas. Con este criterio se evala tambin la
capacidad, en el mbito de las Ciencias Sociales, para tomar decisiones sencillas de tipo
probabilstico.
Captulo 1

32
Se sugiere evaluar la capacidad para identificar si la poblacin de estudio es
normal. La competencia para determinar el tipo y tamao muestral, establecer un
intervalo de confianza para y p, segn que la poblacin sea Normal o Binomial, y
determinar si la diferencia de medias o proporciones entre dos poblaciones o respecto de
un valor determinado, es significativa.
Al desarrollar los ncleos de contenidos propuestos la J unta de Andaluca (2008)
remite a estos contenidos, que deben desarrollarse teniendo en cuenta cuatro ncleos
transversales:
1. La resolucin de problemas.
2. Aprender de y con la historia de las matemticas.
3. Introduccin a los mtodos y fundamentos matemticos.
4. Modelizacin matemtica, dando sugerencias de posibles contenidos histricos.

1.5.3. RECOMENDACIONES INTERNACIONALES

El inters por la enseanza de la estadstica y probabilidad se muestra en
diferentes documentos y recomendaciones internacionales, en especial en los estndares
americanos (NCTM 2000), y el proyecto GAISE (Franklin y cols., 2005). Estos
documentos no slo han tenido un impacto en ese pas, sino que han influido en el
cambio de otros currculos, que han seguido las directrices contenidas en ellos. En lo
que sigue resumimos el contenido sobre probabilidad en estos documentos.

Estndares del NCTM
En los estndares curriculares (NCTM, 2000) la probabilidad se inicia desde el
nivel K-2 (5 aos) y contina a lo largo de toda la escolaridad. A continuacin
describimos las competencias recogidas en estos estndares, con relacin a este tema:
1. Respecto a la inferencia y la prediccin basada en datos:
Desde preescolar hasta el grado 2, todos los estudiantes deberan poder discutir eventos
relacionados con experiencias de los estudiantes, como probable o improbable.
En los grados 3-5 todos los estudiantes deberan poder: proponer y justificar
conclusiones y predicciones basadas en datos y disear estudios para sacar
conclusiones o predicciones.
En los grados 6-8 todos los estudiantes deberan emplear observaciones sobre
El problema de investigacin

33
diferencias entre dos o ms muestras para hacer conjeturas sobre las poblaciones de las
que se tomaron las muestras; hacer conjeturas sobre las posibles relaciones entre dos
caractersticas de una muestra sobre la base de diagramas de dispersin; usar
conjeturas para formular nuevas preguntas y planificar estudios nuevos para
responderlas.
En los grados 9-12 todos los estudiantes deberan: usar simulaciones para explorar la
variabilidad de las muestras de una poblacin conocida y construir distribuciones de
muestreo; entender cmo las estadsticas de la muestra reflejan los valores de los
parmetros de poblacin y el uso de distribuciones de muestreo como la base para la
inferencia; evaluar los informes publicados que se basan en datos mediante el examen
del estudio del diseo, la adecuacin de los anlisis de datos y la validez de las
conclusiones; comprender la concepcin de las tcnicas estadsticas que se utilizan en
el lugar de trabajo.
2. Respecto a los conceptos bsicos deprobabilidad:
En los grados 3-5 todos los estudiantes deberan describir sucesos probables o
improbables y discutir el grado de probabilidad usando palabras como cierto,
igualmente probable e imposible. Asimismo deben predecir la probabilidad de
resultados de experimentos sencillos y poner a prueba las predicciones; entender que la
medida de la probabilidad de un evento puede ser representado por un nmero de 0 a 1.
En los grados 6-8 todos los estudiantes deberan comprender y utilizar terminologa
apropiada para describir sucesos complementarios y mutuamente excluyentes;
comprender el uso de proporcionalidad y alcanzar un conocimiento bsico de
probabilidad para hacer y probar conjeturas sobre los resultados de experimentos y
simulaciones. Tambin se espera que sean capaces de calcular probabilidades para
eventos simples y compuestos usando mtodos como listados organizados, diagramas
de rbol y modelos de rea.
En los grados 9-12 todos los estudiantes deberan entender los conceptos de espacio
muestral y distribucin de probabilidad y construir espacios muestrales y
distribuciones en casos sencillos; usar simulaciones para construir distribuciones
empricas de probabilidad; calcular e interpretar el valor esperado de variables
aleatorias en casos sencillos; entender los conceptos de probabilidad condicional y
eventos independientes y calcular la probabilidad de un suceso compuesto.

Captulo 1

34
Proyecto GAISE
Estas recomendaciones se recogen y amplan en el proyecto GAISE (Franklin y
cols., 2005), o Proyecto de los Lineamientos para la Evaluacin e Instruccin en
Educacin Estadstica, que est dirigido a dos grupos de estudiantes: para la educacin K-
12 y para grupos de estudiantes en cursos preuniversitarios. Para la educacin K-12, se
indica que cualquier curso de estadstica y probabilidad debe tener como principal objetivo
ayudar a los estudiantes a aprender los elementos bsicos del pensamiento estadstico.
Entre otros elementos destacan los siguientes relacionados con la enseanza de la
probabilidad:
La omnipresencia de la variabilidad. Reconocer que la variabilidad es ubicua en
muchos fenmenos cotidianos. La variabilidad es la esencia de la estadstica como
disciplina y no puede ser entendida slo mediante estudio y lectura, sino que debe ser
experimentada.
La cuantificacin y explicacin de la variabilidad. Reconocer que la variabilidad
puede ser medida y explicada tomando en consideracin lo siguiente: a) aleatoriedad y
distribuciones de las variables aleatorias; b) parmetros de tendencia central y de
dispersin (tendencia y residuo); c) modelos matemticos paramtricos; d) modelos de
anlisis exploratorio de datos.
En cuanto al curso Preuniversitario, en Estados Unidos la estadstica se imparte a
travs de diversas disciplinas (matemticas, sociales, ciencias, etc.). Los estudiantes que
toman estos cursos provienen de diferentes especialidades de Bachillerato y tienen
diferentes objetivos (por ejemplo, algunos esperan hacer sus propios anlisis estadsticos
en proyectos de investigacin y otros slo hacen el curso porque es obligatorio).
Algunos de esos cursos se imparten en clases extensas, cortas o seminarios; en
laboratorios de computacin y otros a distancia, sin tener contacto en persona con el
profesor. La duracin es variable y algunos profesores imparten cursos fuertemente
enfocados a la enseanza en la que los estudiantes deben tener una cultura estadstica
(saber interpretar, escribir y ser consumidores de datos). Otros cursos estn sin embargo,
ms encaminados a la enseanza de los estudiantes para convertirse en productores de
anlisis estadsticos.
Actualmente los objetivos tienden a enfocarse ms en la comprensin de
conceptos y a lograr la cultura estadstica y pensamiento estadstico de los estudiantes, y
menos en el aprendizaje de una serie de herramientas y procedimientos. El proyecto
El problema de investigacin

35
GAISE propone reexaminar y revisar el curso de estadstica con el fin de contribuir al
logro de dichos objetivos en el aprendizaje para los estudiantes, haciendo las siguientes
recomendaciones:
Los estudiantes deben entender por qu:
- La variabilidad es natural y tambin predictible y cuantificable.
- La muestra aleatoria en encuestas y experimentos da resultados que pueden ser
extendidos a la poblacin de la cual fueron tomados.
- La asignacin aleatoria en experimentos comparativos permite extraer
conclusiones de causa y efecto y asociacin no es sinnimo de casualidad.
- La significacin estadstica no necesariamente implica importancia prctica,
especialmente para estudios con muestras grandes.
- Encontrar diferencias o relacin no significativas estadsticamente no
necesariamente significa que haya diferencia o relacin en la poblacin,
especialmente para estudios con muestras pequeas.
Los estudiantes deben reconocer:
- Las fuentes usuales de sesgos en encuestas y experimentos.
- Cmo determinar la poblacin a la que los resultados de inferencia estadstica
pueden ser extendidos, dependiendo de cmo se recogieron los datos.
- Cmo determinar cundo una inferencia de causa y efecto puede ser deducida de
una asociacin, dependiendo de cmo se recogieron los datos (por ejemplo, el
diseo de un estudio).
- Que palabras, tales como normal, aleatorio y correlacin tienen
significados especficos en estadstica que pueden ser diferentes al uso comn.
Los estudiantes deben entender las ideas bsicas de la inferencia estadstica:
- El concepto de distribucin muestral y cmo aplicarlo en la inferencia
estadstica basada en muestra de datos (incluyendo la idea de error tpico).
- El concepto de significacin estadstica incluyendo nivel de significacin y p-
valor.
- El concepto de intervalo de confianza, incluyendo la interpretacin de nivel de
confianza y margen de error.
Finalmente, los estudiantes deben saber:
- Cmo interpretar resultados estadsticos en el contexto.
- Cmo criticar/interpretar noticias y artculos periodsticos que incluyan
Captulo 1

36
informacin estadstica identificando los errores en la presentacin y defectos en
los estudios o en los mtodos utilizados para generar la informacin.
Vemos, en consecuencia, que el currculo norteamericano es muy avanzado en lo
que se refiere a estadstica y probabilidad. Este currculo ha tenido mucha influencia
tanto en Espaa como en otros pases, cuyos diseos curriculares se guan en parte por
los norteamericanos, aunque con menor profundidad de contenidos.

1.6. OBJETIVOS DEL TRABAJO

Finalizada la presentacin de los fundamentos, estamos en condiciones de
precisar los objetivos de nuestra investigacin y la forma en que tratamos de llevarlos a
cabo. La finalidad de esta investigacin es recabar informacin sobre las necesidades
formativas de los profesores en los niveles no universitarios, tanto respecto a su
conocimiento matemtico, como a su conocimiento didctico respecto a la probabilidad
condicional y analizar algunos recursos didcticos que podran ser tiles para atender a
estas necesidades.
Ms concretamente, la investigacin se compone de una serie de estudios
independientes, aunque todos ellos relacionados con el tema del trabajo y apoyados,
tanto en el marco terico que se ha descrito en este captulo, como en los antecedentes,
revisados en el captulo 2. Cada uno de estos estudios tiene sus propios objetivos,
hiptesis y metodologa que se describirn y discutirn con detalle en los diferentes
captulos de la tesis. Sin embargo, para orientar al lector, creemos necesario describir a
continuacin en forma sinttica los objetivos generales y metodologa de la
investigacin. Estos objetivos son los siguientes:
Objetivo 1. La investigacin pretende proporcionar alguna informacin sobre el
conocimiento matemtico de los futuros profesores de educacin primaria y
secundaria, respecto a la probabilidad condicional.
Objetivo 2. Asimismo se desea evaluar algunos aspectos del conocimiento
didctico sobre probabilidad condicional en futuros profesores de educacin primaria.
Estos dos objetivos, cuya finalidad ser utilizar la informacin recogida para
orientar la labor futura de los formadores de profesores, se abordan mediante dos
estudios de evaluacin. En el Estudio 1, descrito en el captulo 3 presentamos una
evaluacin de algunos conocimientos matemticos y didcticos de una muestra de 183
El problema de investigacin

37
futuros profesores de educacin primaria sobre la probabilidad simple, condicional y
compuesta en una tarea sencilla, analizando sus respuestas a dicha tarea y los conflictos
semiticos presentados en la solucin de la misma. En la segunda parte de la tarea se
plantean unas preguntas orientadas a evaluar puntos relevantes del conocimiento
didctico de dichos futuros profesores.
En el captulo 4 presentamos otro estudio de evaluacin (Estudio 2) de los
conocimientos matemticos y sesgos relacionados con la probabilidad condicional de
futuros profesores de educacin secundaria. A partir de las respuestas a un cuestionario
compuesto por tems de opcin mltiple y preguntas de respuesta abierta, se analizan
los sesgos de razonamiento y conocimiento matemtico formal de una muestra de 196
futuros profesores. Se comparan los resultados con los obtenidos con el mismo
cuestionario en estudiantes de psicologa y tambin en los dos subgrupos que componen
la muestra (estudiantes de la licenciatura de matemticas y del mster de formacin del
profesorado de secundaria).
Objetivo 3. Se pretende analizar algunos recursos educativos que tengan
potencialidad para ayudar a los futuros profesores o profesores en ejercicio respecto a
las limitaciones observadas en su conocimiento comn y especializado del contenido
probabilidad condicional.
En el captulo 5 se describen dos estudios relacionados. En el Estudio 3 se
analizan algunos recursos disponibles en Internet tiles para la enseanza de la
probabilidad condicional en diferentes niveles educativos y la formacin de los
profesores. En el Estudio 4 se estudian algunas paradojas clsicas ligadas a los
conceptos de probabilidad condicional e independencia. En ambos casos se analiza la
actividad matemtica ligada a los recursos, las posibles dificultades en el trabajo con
ellos y su idoneidad didctica.
Objetivo 4. Se desea evaluar el cambio en el conocimiento matemtico sobre
probabilidad condicional de los profesores como consecuencia de una actividad
formativa basada en uno de los recursos analizados en el objetivo 4.
En el captulo 6 se presenta el Estudio 5, donde se evala una experiencia
formativa basada en una paradoja clsica, dirigida a profesores de educacin secundaria
o superior en formacin y ejercicio, analizando algunos conocimientos matemticos de
los participantes y describiendo su evolucin. Se lleva a cabo asimismo una evaluacin
de componentes de su conocimiento didctico.
Captulo 1

38
1.7. ENFOQUE METODOLGICO Y FASES DE LA INVESTIGACION

Como ya se ha indicado al describir los objetivos, la investigacin se ha
organizado en una parte terica (fundamento) y varios estudios empricos. La parte
terica se compone a su vez (ver Figura 1.7.1) del marco terico; del estudio de la
probabilidad condicional como objeto matemtico fundamental; del estudio de la
probabilidad condicional en el currculo y de los antecedentes en los que nos basamos
para nuestro estudio. Todos estos puntos se han descrito en los captulos 1 y 2.
Figura 1.7.1. Fases de la investigacin

La parte emprica se organiza en cinco estudios, cada uno de los cuales tiene
distintos objetivos, hiptesis, poblaciones de estudio, materiales de recopilacin de la
informacin y anlisis de datos. Todos ellos son de naturaleza, principalmente,
descriptiva, exploratoria y cualitativa, excepto el Estudio 2, que mezcla la metodologa
cualitativa y confirmatoria, al comparar con estudio que nos antecede. En la Tabla 1.7.1
se resumen la metodologa utilizada y de los resultados obtenidos en cada uno de los
estudios, que se describen someramente a continuacin y con ms detalle en los
captulos 3 a 6.
Estudio 1: Evaluacin de conocimientos de futuros profesores de educacin
primaria, presentada en el captulo 3. Se propone una tarea abierta con datos dados
en una tabla de contingencia a una muestra de 183 futuros profesores. La primera
parte de la tarea consta de tres preguntas en que se ha de calcular la probabilidad
El problema de investigacin

39
simple, condicional y compuesta. El anlisis semitico de las respuestas a estos
problemas permite describir algunos conocimientos matemticos de los futuros
profesores, definiendo categoras de respuestas correctas e incorrectas y conflictos
semiticos. En la segunda parte de la tarea dos preguntas permiten evaluar puntos
relevantes del conocimiento didctico. Como mtodos estadsticos en esta fase se
utilizan estadsticos descriptivos y el contraste Chi-cuadrado, as como el contraste t
de diferencia de medias para muestras relacionadas.

Tabla 1.7.1. Mtodos empleados en los diferentes estudios que componen el trabajo
Estudios Descripcin Muestras Material Anlisis Resultados
Estudio 1 Evaluacin de
conocimientos
de futuros
profesores de
educacin
primaria
183 futuros
profesores de
educacin primaria
Tarea abierta con
tres problemas y
dos preguntas
sobre el
conocimiento
didctico
Anlisis semitico
de respuestas,
anlisis
descriptivos, test
Chi-cuadrado y test
t de diferencias
Categoras de
respuestas en
problemas
Conflictos
semiticos
Conocimientos
didcticos
Estudio 2 Evaluacin de
conocimientos
de futuros
profesores de
educacin
secundaria
196 futuros
profesores de
educacin secundaria
de varias
universidades
espaolas (95
alumnos de la
licenciatura de
Matemticas y 101
alumnos del mster
de secundaria)
Cuestionario de
Razonamiento
sobre
Probabilidad
Condicional
Anlisis semitico
de respuestas,
Anlisis
descriptivos, test
Chi-cuadrado, test t
de diferencias
correlaciones,
anlisis factorial
Categoras de
respuestas en
problemas
Conflictos
semiticos

Estudio 3 Anlisis de
recursos en
Internet
Recursos en
Internet
Anlisis semitico
de los recursos
Configuracin de
objetos,
Conflictos
semiticos
potenciales
Idoneidad
didctica
Estudio 4 Paradojas de
probabilidad
como recurso
didctico
Paradojas de
probabilidad
condicional e
independencia
Anlisis semitico
de los recursos
Configuracin de
objetos,
Conflictos
semiticos
potenciales
Idoneidad
didctica
Estudio 5 Evaluacin de
una
experiencia de
formacin de
profesores
166 profesores en
activo y futuros
profesores de
secundaria de
Espaa, Portugal y
Mxico
Protocolos
recogidos en
talleres sobre
ideas estocsticas
fundamentales
Anlisis semitico
de respuestas,
anlisis
descriptivos, test
Chi-cuadrado y test
t de diferencias
Categoras de
respuestas en
problemas
Conflictos
semiticos
Evolucin en el
taller
Conocimientos
didcticos

Captulo 1

40
Estudio 2. Evaluacin de conocimientos de futuros profesores de educacin
secundaria, presentado en el captulo 4. Se propone a una muestra de 196 futuros
profesores de educacin secundaria de varias universidades espaolas (95 alumnos
de la licenciatura de Matemticas y 101 alumnos del mster de secundaria) una parte
del cuestionario RPC (Daz, 2007). Las respuestas de opcin mltiple y las abiertas
del cuestionario permiten evaluar por un lado los principales sesgos sobre
razonamiento en probabilidad condicional que se describen en los antecedentes. Por
otro el conocimiento del concepto, as como la capacidad de resolver los principales
tipos de problemas identificados en el apartado 1.4, en nuestro anlisis del
significado de referencia de la probabilidad condicional en este trabajo. Como
tcnicas de anlisis de datos se usan el anlisis semitico, estudio descriptivo y el
test Chi-cuadrado, para analizar las diferencias con los resultados de Daz (2007) y
entre las dos muestras que componen el Estudio. El anlisis de correlaciones y
anlisis factorial permite estudiar la relacin entre sesgos en el razonamiento
condicional y conocimiento formal del tema.
Anlisis de recursos para la enseanza de la probabilidad condicional: Dividimos
este anlisis en dos estudios. Estudio 3: Anlisis de recursos en Internet. Estudio 4:
Paradojas como recurso didctico en el estudio de la probabilidad condicional.
Ambos estudios se presentan en el captulo 5. En los dos casos se realiza el anlisis
semitico de posibles soluciones a los problemas implicados en los recursos,
dificultades potenciales de los estudiantes e idoneidad didctica de los recursos.
Estudio 5. Evaluacin de una experiencia de formacin de profesores de educacin
secundaria, descrito en el captulo 6. Un taller formativo basado en una de las
paradojas descritas en el captulo 4 y propuesto por Batanero, Godino y Roa (2004)
es experimentado en varios cursos dirigidos a profesores con un total de 166
profesores en formacin o ejercicio. El anlisis semitico de las estrategias iniciales
y finales en un juego permite evaluar el cambio de concepciones. Los contrastes
Chi-cuadrado y t de comparacin de dos muestras se utilizan para analizar los
resultados sobre una parte de los conocimientos didcticos de los participantes.

41

CAPTULO 2
INVESTIGACIONES PREVIAS


2.1. Introduccin
2.2. Formacin de profesores para ensear probabilidad
2.2.1. Introduccin
2.2.2. Actitudes y creencias
2.2.3. Conocimientos probabilsticos
2.2.4. Modelos sobre el conocimiento del profesor
2.2.5. Conocimiento de la probabilidad y la enseanza
2.2.6. Conocimiento de la probabilidad y los estudiantes
2.2.7. Evaluacin de experiencias de formacin
2.3. Investigacin sobre la probabilidad condicional
2.3.1. Introduccin
2.3.2. Comprensin conceptual
2.3.2.1. Comprensin de la probabilidad condicional
2.3.2.2. Intercambio de sucesos en la probabilidad condicional
2.3.3. Confusin entre probabilidad condicional y conjunta. Falacia de la conjuncin.
2.3.4. Relacin entre independencia y probabilidad condicional
2.3.5. Condicionamiento y causacin
2.3.6. Resolucin de problemas
2.3.6.1. Problemas relacionados con el teorema de Bayes
2.3.6.2. Influencia del lenguaje y el formato
2.3.6.3. Uso de representaciones en la solucin de los problemas
2.3.6.4. Planteamiento de problemas
2.3.7. Enseanza de la probabilidad condicional
2.3.7.1. Experimentos desde la psicologa
2.3.7.2. Experimentos de enseanza en didctica de la matemtica
2.4. La probabilidad condicional en los libros de texto
2.5. Conclusiones del estudio de las investigaciones previas


2.1. INTRODUCCIN

Para fundamentar este trabajo, en este captulo presentamos un resumen de las
principales investigaciones relacionadas con nuestro objeto de investigacin, que
podemos clasificar en dos apartados.
En primer lugar realizamos una sntesis de las investigaciones sobre formacin de
profesores para ensear probabilidad, aunque estas son todava muy escasas. Si bien el
campo de formacin de profesores es uno de los que mayor atencin ha recibido en las
investigaciones en didctica de la matemtica, esta tendencia no se refleja en el caso
especfico de la probabilidad. A pesar de ello, se ha iniciado una lnea de investigacin
consistente sobre la formacin de profesores para ensear estadstica y probabilidad,
Captulo 2
42
impulsada por el ICMI Study 18, Statistics Education in School Mathematics,
Challenges for Teaching and Teacher Education (Batanero, Burrill, Reading y
Rossman, 2008; Batanero, Burrill y Reading, en prensa). Dentro de este bloque,
analizamos las investigaciones realizadas sobre los aspectos afectivos que influyen en la
labor del profesor (actitudes y creencias), los estudios de evaluacin de los
conocimientos probabilsticos de los profesores, y los relacionados con su conocimiento
didctico para ensear probabilidad, haciendo tambin un pequeo resumen de algunos
modelos especficos que describen los componentes del conocimiento profesional del
profesor en el campo de la estadstica.
El segundo bloque de nuestro estado de la cuestin est formado por
investigaciones sobre la comprensin de la probabilidad condicional y temas
relacionados con ella. Estas investigaciones son mucho ms numerosas y se han
realizado tanto en el campo de la Psicologa, como en Educacin Matemtica. La
sntesis que realizamos en la segunda parte del captulo, extiende el artculo de Daz y
de la Fuente (2005), y el estado de la cuestin de Daz (2007) y se ampla con otras
investigaciones no tenidas en cuenta por estas autoras, as como los trabajos realizados
posteriormente. En primer lugar revisamos los trabajos relacionados con la comprensin
conceptual y procedimental, que son la mayora, pues los trabajos sobre enseanza del
tema son bastante escasos. Incluimos tambin un apartado sobre experimentos de
enseanza del tema y otro sobre investigaciones centradas en el anlisis de libros de
texto y las conclusiones de este estado de la cuestin.

2.2. FORMACIN DE PROFESORES PARA ENSEAR PROBABILIDAD

2.2.1. INTRODUCCIN

Comenzamos el captulo con el anlisis de las investigaciones relacionadas con la
formacin de profesores para ensear probabilidad. En los ltimos aos ha habido un
gran nmero de investigaciones centradas en la formacin inicial del profesor de
matemticas y su desarrollo profesional, como consecuencia de sus experiencias
docentes (Batanero, Arteaga y Contreras, 2009). Toda esta investigacin se recoge en
libros y captulos dedicados al tema (Brown y Borko, 1992; Thompson, 1992; J aworski
y Gellert, 2003; Llinares y Krainer, 2006; Ponte y Chapman, 2006; Hill, Sleep, Lewis y
Ball, 2007; Franke y cols., 2007; Philipp, 2007; Sowder, 2007; Wood, 2008). Tambin
Investigaciones previas sobre probabilidad condicional

43
destacan en esta labor de recopilacin el ICMI Study 15 (Even y Ball, 2008) y la revista
Journal of Mathematics Teacher Education.
En Espaa la investigacin sobre el tema ha sido reforzada desde el Grupo de
Investigacin Conocimiento y desarrollo profesional del profesor de matemticas de
la Sociedad Espaola de Investigacin en Educacin Matemtica (SEIEM), entre otros
profesores Salvador Llinares, M. Victoria Snchez, J os Carrillo, Lorenzo Blanco y
Pablo Flores. En este captulo no trataremos de sintetizar todo este trabajo, sino slo
centrarnos en la parte del mismo relacionada con la formacin de profesores para
ensear probabilidad. Esta formacin est siendo objeto actual de debate, pues
diferentes autores (Russell, 1990; Batanero, Godino y Roa, 2004; Franklin y Mewborn,
2006) coinciden en que muchos de los programas de formacin en curso todava no
forman a los profesores adecuadamente para ensear estadstica y probabilidad, al no
incluir un curso especfico de didctica del tema en su formacin inicial.
La mayora (aunque no todos) los profesores de educacin secundaria y
Bachillerato son licenciados en matemticas, y estudiaron uno o ms cursos de
estadstica. Pero, en general, la formacin que tuvieron fue slo terica y no tienen
experiencia con estudios de estadstica aplicada, muestreo, o diseo de experimentos
(Franklin y Mewborn, 2006). Aunque el enfoque que se recomienda hoy da para la
enseanza de la probabilidad es el frecuencial, y se sugiere que se organicen en la clase
de matemticas experimentos y simulaciones, pocos profesores tienen experiencia con
este enfoque, que requiere un anlisis cuidadoso de las situaciones y ser conscientes de
la diferencia entre frecuencia relativa (que se refiere a los datos empricos) y
probabilidad (que es un objeto matemtico terico) (Chaput, Girard y Henry, 2008).
Por otro lado, son pocos los profesores que tuvieron un curso especfico de
didctica de la estadstica, pues, aunque muchos hicieron el Curso de Aptitud
Pedaggica o estn realizando el Master de Formacin del Profesorado de Educacin
Secundaria, donde siguieron o siguen cursos de didctica de la matemtica, los
principios generales que son vlidos para la geometra, el lgebra u otras reas de las
matemticas no siempre pueden ser aplicados a la estadstica (Batanero, Godino y Roa,
2004). La situacin de los maestros de primaria es que pocos han recibido una
formacin adecuada en el campo de la probabilidad, pues hasta ahora no se inclua
apenas enseanza de la probabilidad en la educacin primaria. Por otro lado, en pocos
cursos sobre didctica de la matemtica se incluyen los conocimientos didcticos que
Captulo 2
44
necesitan para ensear probabilidad (Franklin y Mewborn, 2006).
Algunos autores describen ejemplos y experiencias de cursos especficamente
dirigidos a capacitar a profesores de diferentes pases, algunas de ellas basadas en
modelos tericos de cmo debera ser esta formacin (por ejemplo, Kvatinsky y Even,
2002; Batanero, Godino y Roa, 2004). La evaluacin del xito de estos cursos est, en
general, basada en muestras pequeas o datos subjetivos, aunque proporcionan ejemplos
e ideas para otros formadores de profesores y por ello es necesario ampliar la base
emprica de tales estudios. A continuacin, analizamos las investigaciones llevadas a
cabo sobre los diferentes componentes que se necesitan en la formacin de profesores
para la enseanza de la probabilidad.

2.2.2. ACTITUDES Y CREENCIAS

Un primer punto objeto de evaluacin y formacin son las creencias y actitudes de
los profesores de matemticas, que forman parte del dominio afectivo de las
matemticas. Mientras que las emociones son transitorias, las actitudes son sentimientos
intensos, relativamente estables en el tiempo, que se desarrollan por repeticin de
respuestas emocionales y se automatizan con el tiempo. Las creencias, por su parte,
tienen un carcter ms cognitivo; son las concepciones que se tienen sobre una materia,
sobre uno mismo como estudiante o sobre el contexto social en el que se realiza el
aprendizaje (Estrada, 2007). El aspecto afectivo es muy importante en el caso de los
profesores, ya que sus creencias incorrectas o actitudes negativas podran condicionar la
enseanza y repercutir en las futuras actitudes de sus alumnos (Estrada y Batanero,
2008). Ser por tanto necesaria una labor de motivacin si queremos que la enseanza
de la estadstica y probabilidad sea una realidad y no simplemente un deseo expresado
en las orientaciones curriculares (Estrada, Batanero y Fortuny, 2004).
Son pocas las investigaciones especficamente centradas en las creencias o
actitudes de los profesores hacia la probabilidad. Uno de los primeros autores que se
refiere a este tema es Steinbring (1990), quien sugiri que los formadores de profesores
tienen que hacer frente al problema de concienciar a los profesores de la naturaleza
particular de lo estocstico y ver que es diferente de la matemtica tradicional enseada
en la escuela. Al mismo tiempo, se tienen que producir las condiciones necesarias para
la integracin del pensamiento estocstico en la escuela, y ampliar los puntos de vista de
los profesores sobre qu es la matemtica.
Investigaciones previas sobre probabilidad condicional

45
El conocimiento estocstico es ms complejo y sistmico y se basa mucho ms en
las actividades interpretativas que otras reas de las matemticas. As, los conceptos
estn interrelacionados con el contexto en el que se aplican y estn sujetos a
controversias. Por ejemplo, para entender lo que es una variable aleatoria, una persona
debe asumir un modelo para la aleatoriedad, un concepto ligado a muchas
interpretaciones filosficas (Steinbring, 1990).
Serrad, Azcrate y Cardeoso (2006) realizaron una investigacin utilizando
cuestionarios y entrevistas para comprender las razones por las cules los profesores
omiten la enseanza de la probabilidad en la escuela y las fuentes de informacin que
pueden influenciar esta decisin. Para ello realizaron un estudio de casos de cinco
profesores, presentando los resultados obtenidos para dos de ellos, ninguno de los
cules enseaba probabilidad. El primero (A) era licenciado en matemticas con
especialidad de estadstica y 5 aos de experiencia; el segundo (B), tambin
matemtico, pero no especialista en estadstica con 2 aos de experiencia. Las fuentes
de informacin consideradas por el profesor A, para llevar a cabo innovaciones, fueron
el contacto con colegas que favorecan dichas innovaciones, y su omisin de la
enseanza de la probabilidad era debida a su creencia de que la probabilidad no tena
suficiente consistencia educativa en la enseanza obligatoria ni garantizaba ningn
propsito prctico para los estudiantes. El profesor A apoyaba estos argumentos en una
visin formal de la matemtica que haba adquirido tanto en su formacin como
profesor, como en los libros de texto de secundaria. El profesor B por su parte
rechazaba ensear probabilidades pensando en las dificultades que el estudiante podra
tener con el tema y suponiendo que la metodologa usual para otros temas no sera til
para esta materia. La falta de apoyo de sus compaeros y la falta de fuente de
informacin suponan otros obstculos para incorporar la probabilidad en la enseanza.
Adems de las razones inferidas en la investigacin de Serrad, Azcrate y
Cardeoso, los docentes tambin tienen teoras subjetivas sobre cules debieran ser los
contenidos y los objetivos educativos relacionados con estos contenidos que les hacen
retrasar o cambiar la enseanza, respecto a lo indicado en las orientaciones curriculares.
Eichler (2008) describe una investigacin sobre las creencias de los profesores respecto
a la enseanza de la estadstica, mostrando la influencia de estas creencias sobre su
prctica docente y cmo esta prctica influye en los conocimientos que adquieren sus
alumnos. Este autor diferencia entre el currculo oficial (marcado por las directrices
Captulo 2
46
curriculares), el pretendido por el profesor, el implementado en el aula y el aprendido
por los estudiantes. Clasifica a los profesores en su investigacin respecto a su visin
esttica frente a una visin ms dinmica de las matemticas y la orientacin hacia la
matemtica formal versus aplicaciones matemticas. Debido a estas creencias muestra
que la enseanza recibida por los estudiantes respecto a un mismo nivel educativo y
contenidos, podran diferir considerablemente.
Todos estos resultados alertan de la importancia de desarrollar actitudes y
creencias positivas de los profesores hacia la probabilidad, tanto dentro de la
matemtica, como para la formacin de sus estudiantes (Estrada y Batanero, 2008).

2.2.3. CONOCIMIENTOS PROBABILSTICOS

Ball, Lubienski y Mewborn (2001) indican que muchas actividades usuales que
realiza el profesor en la clase de matemticas dependen de sus conocimientos
matemticos. Sera por tanto necesario un slido conocimiento de la probabilidad por
parte de los profesores, pero la investigacin que resumimos a continuacin es muy
escasa y se centra, en su mayor parte en profesores en formacin. Los estudios de
evaluacin se han realizado mediante cuestionarios similares a los empleados en
investigaciones con estudiantes, estn centradas en el conocimiento comn del
contenido y tratan de determinar si el nivel de conocimiento de los futuros profesores es
suficiente para resolver las tareas que tendrn que proponer a sus futuros alumnos.
Algunas de dichas investigaciones sealan la existencia de concepciones errneas
y dificultades sobre probabilidad en los futuros profesores. Por ejemplo, Azcrate
(1995) en un estudio realizado con 57 futuros profesores de Educacin Primaria,
propuso una serie de enunciados en que se describan diferente fenmenos, preguntando
a los participantes si consideraban que eran o no aleatorios, justificando su respuesta. La
autora encontr que muy pocos sujetos en su estudio mostraban una idea clara sobre las
caractersticas de los fenmenos aleatorios. Los participantes razonaron, en su mayora,
desde presupuestos causales; tuvieron una fuerte influencia de los aspectos contextuales
y minusvaloraron el posible estudio matemtico de los fenmenos aleatorios. Se detect
tambin falta de esquemas combinatorios y ausencia de instrumentos elementales para
la asignacin de probabilidades, cuantificando las expectativas de ocurrencia de un
suceso desde criterios personales. Respecto a la idea de juego equitativo, Azcrate
propone tres tems basados en el lanzamiento de dos dados, preguntando si sera justo
Investigaciones previas sobre probabilidad condicional

47
apostar a producto par, suma par y suma 5 o 6. Los participantes mostraron mucha
dificultad para diferenciar los juegos equitativos de los no equitativos y basan su
argumento sobre la equitatividad de un juego en la equiprobabilidad de los resultados,
reglas aritmticas o argumentacin combinatoria.
Begg y Edward (1999) proporcionaron un cuestionario y realizaron entrevistas a
22 profesores australianos en activo de escuela primaria, que apenas haban tenido
enseanza formal del tema durante su formacin inicial. Entre otros aspectos evaluaron
sus conocimientos sobre probabilidad con tres preguntas usando contextos bien
conocidos de la vida cotidiana. La primera pregunta fue sobre el juego de la lotera, la
segunda una actividad escolar tpica sobre lanzamiento de monedas. La tercera
pregunta, algo ms formal fue una pregunta sobre la heurstica de la representatividad
en el contexto de nacimientos de nios en dos hospitales. Los autores llegaron a la
conclusin de que dichos profesores tenan una escasa comprensin de la probabilidad.
Slo alrededor de dos tercios del profesorado de su muestra comprenda correctamente
las ideas de aleatoriedad y de sucesos equiprobables y muy pocos aplicaron
correctamente el concepto de independencia. El anlisis de las justificaciones de las
respuestas sugiere que los profesores empleaban la heurstica de la representatividad
(Tversky y Kahneman, 1982b) esperando que una muestra fuese semejante a la
poblacin y el outcome approach descrito por Konold (1989), es decir, interpretando un
enunciado probabilstico en forma no probabilstica. Los profesores tambin hicieron un
uso excesivo de sus teoras previas al resolver los problemas.
Watson (2001) realiz una encuesta a 15 profesores de primaria (enseanza
elemental) y a 28 profesores de secundaria de Australia, utilizando las respuestas de los
profesores para buscar patrones y para describir caractersticas generales de stos.
Respecto a los conocimientos de probabilidad de los docentes, inform de que los
profesores de secundaria tenan un nivel de seguridad significativamente ms alto que
los de primaria a la hora de ensear conceptos bsicos de probabilidad. Estos hallazgos
han sido corroborados en investigaciones con profesores de primaria (Pereira-Mendoza,
2002).
Ortiz, Nordin, Batanero, Serrano y Rodrguez (2006) evaluaron la capacidad de
los futuros profesores de educacin primaria para comparar probabilidades, utilizando
tareas sencillas tomadas de un cuestionario de probabilidad que haba sido utilizado
previamente con nios de 11 a 14 aos. Para ello analizaron las respuestas de 102
Captulo 2
48
estudiantes de magisterio a siete problemas, estudiando los porcentajes de respuestas
correctas y los argumentos proporcionados por los alumnos, y comparando sus
resultados con los obtenidos por los alumnos participantes en la investigacin de
Caizares (1997). Estos autores observaron una mejora del nmero de respuestas
correctas respecto a los nios de la investigacin de Caizares en todos los problemas,
aunque los porcentajes de errores son muy altos.
Por ejemplo, en un problema en que se peda comparar la probabilidad de obtener
una bola negra en dos urnas con diferente composicin de bolas blancas y negras, donde
la falta de proporcionalidad obligaba a usar la regla de Laplace, obtuvieron un 75% de
errores en los futuros profesores de primaria. En otro problema similar en que se aade
un factor subjetivo irrelevante (uno de los jugadores es ms inteligente, por tanto podra
tener ms posibilidades de sacar la bola negra) se produce un aumento de la dificultad,
debido al distractor de tipo subjetivo (70% de errores). Otro problema de comparacin
de probabilidades donde la composicin de las dos urnas era proporcional, obtuvo 57%
de errores. Aunque los futuros profesores de educacin primaria parecan ser
conscientes de esta falta de equivalencia entre las dos urnas, sin embargo se decantaron
por la que tena una mayor cantidad absoluta de casos favorables o por aquella en que la
diferencia entre los casos favorables y desfavorables era mayor. Por otro lado en
algunos problemas algunos futuros profesores obtuvieron respuestas correctas con un
razonamiento inadecuado.
Batanero, Caizares y Godino (2005) analizaron los resultados de la evaluacin
inicial en una muestra de 132 profesores en formacin, utilizando un cuestionario con
varios tems que evaluaban la presencia de sesgos en el razonamiento probabilstico de
los profesores. Los resultados de la evaluacin mostraron que el 60% de la muestra
razonaba de acuerdo a la heurstica de la representatividad (Tversky y Kahneman,
1982b) esperando que una muestra fuese semejante a la poblacin. Otro 60% de
participantes mostr el sesgo de equiprobabilidad descrito en los experimentos de
Lecoutre (1992), Lecoutre y Durand (1988), que consiste en la creencia de los sujetos en
la equiprobabilidad de todos los sucesos asociados a cualquier experimento aleatorio,
incluso en aquellos en que no es aplicable el principio de indiferencia o donde no hay
una simetra fsica. Finalmente, el 23% de los profesores mostr el outcome approach
(enfoque en los resultados) y el outcome approach descrito por Konold (1989), es decir,
interpretando un enunciado probabilstico en forma no probabilstica. Los autores
realizaron actividades de simulacin con dispositivos manipulativos, tablas de nmeros
Investigaciones previas sobre probabilidad condicional

49
aleatorios y el software Statgraphics, volviendo a evaluar a los participantes al finalizar
la experiencia. Se observ una mejora general de las concepciones de los participantes,
lo que sugiere el inters de la simulacin como recurso didctico.
En la investigacin de Snchez (1996) con 88 profesores de secundaria de
Matemticas, se observan muchas dificultades en la comprensin del concepto de
independencia. El autor pregunta a los sujetos si, al sacar una carta de una baraja
ordinaria, los sucesos ser reina y ser una carta de corazones son o no
independientes. Slo 39 profesores dieron una respuesta correcta al problema planteado
y slo 4 utilizaron la regla del producto y llegaron a la solucin correcta. Las
concepciones incorrectas de estos profesores se discuten con ms detalle en el apartado
2 de este captulo.
Carnell (1997) realiz un estudio sobre la comprensin de la probabilidad
condicional en 13 profesores de enseanza media en prcticas, donde todos demostraron
tener concepciones errneas relacionadas con la comprensin de la probabilidad
condicional expuestas por Falk (1986), como por ejemplo, dificultad para definir el
elemento condicionante a partir del enunciado verbal de un problema, dificultad en
resolver un problema cuando el orden temporal del elemento condicionante no es el
esperado, as como confundir la condicionalidad con la causalidad. Todos estos tipos de
errores han aparecido tambin en otros estudiantes y se describen con mayor detalle en
las siguientes secciones.
Otro concepto importante en estadstica es el de variacin, estudiado por Wild y
Pfannkuch (1999), quienes la consideran el ncleo de su modelo sobre razonamiento
estadstico. Aunque este concepto se asocia preferentemente a la estadstica y no a la
probabilidad, sin embargo, la comprensin de la idea de aleatoriedad y la de variacin
estn ligadas, por lo que lo incluimos en este apartado. La investigacin de Borim y
Coutinho (2008) con nueve profesores brasileos de educacin secundaria en activo
muestra que el razonamiento predominante de dichos profesores sobre la variacin era
verbal, lo que les impeda ensear a sus estudiantes el significado de medidas tales
como la desviacin tpica, limitndose a la enseanza de algoritmos. Ninguno fue capaz
de integrar el razonamiento sobre la media, desviacin respecto a la media, intervalo de
k desviaciones tpicas desde la media y estimacin de la frecuencia en el intervalo, es
decir, no comprendieron el significado de la desviacin tpica como medida de
dispersin. La variacin se estudia tambin en probabilidad (variabilidad aleatoria), de
Captulo 2
50
modo que las dificultades encontradas con la variacin en probabilidad se presentarn
previsiblemente tambin en el estudio de la probabilidad.
Respecto a la idea de distribucin, otra idea central del razonamiento estadstico,
que aparece tanto en el estudio de la estadstica (distribucin de datos) como de
probabilidad (distribucin de probabilidad), Canad (2008) analiz el razonamiento de
55 estudiantes de secundaria y 58 futuros profesores de secundaria cuando comparan
conjuntos de datos con la misma media y diferente dispersin. Aunque el grupo de
futuros profesores tuvo mejor rendimiento que el de los estudiantes, todava un 35% de
los futuros profesores pensaba que dos conjuntos de datos con la misma media eran
iguales, aunque la dispersin fuese muy diferente.
Estrada y Daz (2007) realizaron un estudio exploratorio con 65 futuros profesores
de educacin primaria de la Universidad de Lleida, que estaban siguiendo un curso
optativo de didctica de la estadstica. Les plantearon un problema con tres preguntas:
(a) clculo de una probabilidad simple, (b) clculo de una probabilidad condicional y (c)
clculo de una probabilidad conjunta, dando los datos en una tabla de doble entrada.
Analizan las respuestas abiertas y encuentran una gran proporcin de errores, sobre todo
en las preguntas sobre probabilidad condicional y conjunta. Las autoras explican sus
resultados en trminos de conflictos semiticos.
Por su parte Senz (2007) evala el conocimiento funcional de las matemticas en
una muestra de 140 futuros profesores de educacin primaria, utilizando algunos tems
de las pruebas PISA. Encuentra un porcentaje medio de respuestas correctas de un 64%,
indicando que los estudiantes de magisterio no superan significativamente los resultados
de alumnos de 15 aos. El rendimiento es menor a medida que aumenta la complejidad
del tem y slo un 11% de participantes alcanza los tems de mayor dificultad. El autor
indica que es precisamente el rea de probabilidad y estadstica donde se obtienen los
peores resultados.
En resumen, las escasas investigaciones sobre conocimientos probabilsticos de
futuros profesores nos indican que este conocimiento es a veces escaso, sobre todo en
los futuros profesores y ms an en los futuros profesores de educacin primaria. Puesto
que pocos de estos trabajos se han centrado especficamente en la probabilidad
condicional, llevaremos a cabo estudios de evaluacin de estos conocimientos, tanto con
futuros profesores de educacin primaria, como de educacin secundaria. Para el
estudio de evaluacin con futuros profesores de educacin primaria, aadiremos adems
algunas cuestiones para la evaluacin del conocimiento didctico de los profesores.
Investigaciones previas sobre probabilidad condicional

51
2.2.4. MODELOS SOBRE EL CONOCIMIENTO DEL PROFESOR

Los profesores tambin necesitan formacin en el conocimiento didctico
relacionado con la educacin estadstica, al que no pueden transferirse algunos
principios generales vlidos para otras ramas de las matemticas (Batanero, Godino y
Roa, 2004). Si queremos impulsar el desarrollo de este conocimiento y su anlisis
requiere un modelo de sus componentes de dicho conocimiento. A continuacin
analizamos algunos modelos en didctica de la matemtica y la estadstica sobre esta
problemtica.

Modelos en educacin matemtica
El inters por el conocimiento didctico especfico para ensear matemticas, es
iniciado por Shulman (1986). Adems del conocimiento matemtico, reconoce la
necesidad de que los profesores aprendan otros contenidos, tales como: (a)
conocimientos pedaggicos generales, como los relacionados con la gestin y
organizacin de la clase; (b) conocimiento del currculo, materiales de enseanza y
directrices curriculares; (c) conocimiento didctico del contenido (o conocimiento
pedaggico del contenido); (d) conocimiento de los alumnos y de sus caractersticas; (e)
conocimiento del contexto educativo; y (f) conocimiento de los objetivos, valores y
fines educativos y sus fundamentos filosficos e histricos (Shulman, 1987).
Shulman (1986) denomina conocimiento pedaggico del contenido al que va ms
all del simple conocimiento de la materia y se refiere a la enseanza de la misma,
incluyendo sus diferentes representaciones y la forma de hacerla comprensible a los
estudiantes. Sera la forma particular del conocimiento del contenido que incorpora el
aspecto del contenido que guarda ms relacin con la enseanza o bien esa
amalgama especial de contenido y pedagoga que es el campo propio de los profesores,
su forma especial de comprensin profesional (Shulman, 1986, p. 8-9).
Diversos autores se refieren a este conocimiento con diferentes nombres. Ball,
Lubienski y Mewborn (2001) hablan del conocimiento matemtico para la enseanza,
que se describe en Hill, Ball, y Schilling (2008) como el conocimiento matemtico que
utiliza el profesor en el aula para producir instruccin y crecimiento en el alumno (p.
374) y lo dividen en dos grandes categoras (ver Figura 2.2.1): Conocimiento del
contenido y conocimiento pedaggico del contenido.
Captulo 2
52
Dentro del conocimiento del contenido matemtico distinguen entre
conocimiento comn del contenido (CCK), conocimiento especializado del
contenido (SCK), y conocimiento en el horizonte matemtico. Mientras el
conocimiento comn del contenido es el puesto en juego para resolver problemas
matemticos por cualquier persona, el conocimiento especializado del contenido
incluye aspectos que no necesariamente tiene una persona ordinaria, por ejemplo, elegir
una secuencia de enseanza o identificar las ideas matemticas trabajadas en un
problema. El conocimiento en el horizonte matemtico aporta perspectiva a los
profesores para su trabajo, por ejemplo, el conocimiento de la relacin que tiene las
matemticas con otras materias, o la historia de las matemticas.
Para el conocimiento pedaggico del contenido Hill, Ball, y Schilling (2008)
proponen tener en cuenta, el conocimiento del contenido y los estudiantes (KCS), el
conocimiento del contenido y la enseanza (KCT), y el conocimiento del currculo. El
conocimiento del contenido y los estudiantes (KCS) es el conocimiento de cmo los
estudiantes piensan, saben, o aprenden este contenido particular (p. 375). Incluye el
conocimiento de los errores y dificultades comunes, las concepciones errneas, las
estrategias utilizadas, el ser capaz de valorar la comprensin del alumno y saber cmo
evoluciona su razonamiento matemtico. Respecto al conocimiento del contenido y la
enseanza (KCT) resulta de la integracin del contenido matemtico con el
conocimiento de la enseanza de dicho contenido. Incluye saber construir, a partir del
razonamiento de los estudiantes y las estrategias utilizadas por ellos, procesos
pertinentes para tratar y corregir sus errores y concepciones errneas. El conocimiento
del currculo se refiere a las directrices curriculares, orientaciones, fines y motivaciones
de las mismas, materiales curriculares y secuenciacin del tema en los diferentes ciclos
formativos. Este mismo modelo se puede tener en cuenta para el caso de la probabilidad
considerando las caractersticas especficas de la materia.
Figura 2.2.1. Hill et al., 2007 (reproducida de Delaney et al., 2008, p. 174)

Investigaciones previas sobre probabilidad condicional

53
Modelos en educacin estadstica
Una de las primeras referencias al estudio del conocimiento del profesor para
explicar estadstica se hace en Godino, Batanero y Flores (1999), quienes describen los
siguientes componentes bsicos en la formacin de profesores:
La reflexin epistemolgica sobre la naturaleza del conocimiento estocstico, su
desarrollo y evolucin.
Anlisis de las transformaciones del conocimiento para adaptarlos a los distintos
niveles de enseanza, incluyendo el nivel y forma particular en que un determinado
concepto podra ser enseado a una persona particular.
Estudio de las dificultades, errores y obstculos de los alumnos en el aprendizaje y
sus estrategias en la resolucin de problemas, actitudes, sentimientos y emociones.
Anlisis del currculo, situaciones didcticas, metodologa de enseanza para temas
especficos y recursos didcticos especficos: libros, ejemplos, tareas, software y
todo lo que contribuye a la enseanza.

Estos componentes son ampliados en Batanero, Godino y Roa (2004), quienes
incluyen las siguientes facetas en la formacin de profesores para ensear estadstica,
sugiriendo tambin la necesidad de utilizar situaciones de tipo constructivista en la
formacin de los profesores:
Reflexin epistemolgica sobre el significado de los conceptos que se ensean (por
ejemplo, sobre los significados diferenciados de la probabilidad). Esta reflexin
incluira conocimiento de tipo histrico, filosfico y cultural, as como las relaciones
con otros dominios de las ciencias.
Experiencias para adaptar el conocimiento estadstico a diferentes niveles de
enseanza y a la capacidad de los estudiantes, organizando e implementando
proyectos estadsticos, simulaciones y grficos, no slo como ayudas metodolgicas
sino como formas tiles de aprender y comprender la estadstica.
Capacidad crtica para analizar libros de texto y materiales curriculares.
Prediccin de las dificultades, errores, estrategias y obstculos de los estudiantes al
resolver problemas, para as desarrollar y analizar tems de evaluacin e interpretar
las respuestas de los estudiantes a los mismos.
Experiencia con buenos ejemplos de situaciones didcticas, materiales y recursos.

Captulo 2
54
Burgess (2008) parte de los modelos en educacin matemtica y propone otro que
puede ser usado para estudiar el conocimiento del profesor y el conocimiento estadstico
para la enseanza. Para ello cruza los cuatro componentes definidos por Ball, Thames y
Phelps (2005) con las categoras que definen los modos fundamentales de razonamiento
estadstico de Wild y Pfannkuch (1999): reconocer la necesidad de datos,
transnumeracin (cambio de representaciones de esos datos para conseguir extraer
informacin nueva de ellos), consideracin de la variacin (reconocer la variacin en
los datos, describir patrones acerca de la variacin y tratar relacionar los datos con el
contexto), razonamiento con modelos estadsticos (desde los simples, como tablas y
grficos, a los complejos) e integracin de la estadstica y el contexto (ver Figura 2.2.2).
Adems aade otros elementos del modelo de razonamiento estadstico de Wild y
Pfannkuch: ciclo de investigacin (problema, plan, datos, anlisis y conclusin), el ciclo
interrogativo (generar, buscar, interpretar, criticar y juzgar) y las disposiciones, tales
como escepticismo e imaginacin.
Figura 2.2.2. Modelo de conocimiento profesional de Burgess (2008, p. 3)








Debido a la relacin entre estadstica y tecnologa Lee y Hollebrands (2008)
presentan un marco para describir el conocimiento profesional para ensear estadstica
con apoyo de la tecnologa. Consideran cuatro componentes: (a) Concepciones de qu
significa ensear un tema particular integrando la tecnologa en el proceso de
aprendizaje; (b) Conocimiento de las estrategias de enseanza y las representaciones
para ensear temas particulares con la tecnologa; (c) Conocimiento sobre la
comprensin, razonamiento y aprendizaje de los estudiantes con la tecnologa y (d)
Conocimiento del currculo y materiales curriculares que integran la tecnologa en el
Investigaciones previas sobre probabilidad condicional

55
aprendizaje y ponen el nfasis en el razonamiento estadstico.
Garfield y Ben-Zvi (2008) proponen otro modelo de conocimiento del profesor
para ensear estadstica que incluye seis competencias que se han de desarrollar en la
formacin de profesores: (a) ideas estadsticas fundamentales; (b) uso de datos reales;
(c) uso de actividades para el aula; integracin de las herramientas tecnolgicas; (d)
implementacin del discurso en el aula y (e) uso de mtodos alternativos de evaluacin.
Estos componentes, sin embargo no se relacionan con los descritos en la literatura de
formacin de profesores; ms bien seran aspectos a tener en cuenta en la formacin
estadstica, tanto de alumnos como de profesores.

Un modelo integrador
Godino y colaboradores (Godino, Batanero, Roa y Wilhelmi, 2008) elaboran un
modelo general para el conocimiento profesional del profesor de matemticas con seis
dimensiones: epistemolgica (conocimiento del contenido matemtico, las adaptaciones
para ser enseado, su desarrollo histrico y problemas filosficos asociados), cognitiva
(desarrollo del razonamiento en los estudiantes, dificultades de aprendizaje), afectiva
(actitudes, afectos, emociones de los estudiantes respecto al tema), interacional
(relaciones profesor estudiantes, y entre los propios estudiantes y organizacin del
discurso en la clase), mediacional (uso de recursos tecnolgicos y el tiempo requerido
para el estudio), ecolgica (aspectos curriculares, socioculturales y relaciones con el
entorno). Estos componentes, se relacionan con el concepto de idoneidad didctica,
concepto desarrollado tambin dentro del Enfoque Ontosemitico y descrito en el
captulo 2 del presente trabajo. Si se quiere conseguir una idoneidad didctica alta en los
procesos de enseanza y aprendizaje de las matemticas, ser necesaria la capacidad del
profesor para valorar cada uno de los componentes de la idoneidad, lo que supone la
adquisicin de conocimientos especficos relacionados con cada uno de estos
componentes.
Godino (2009) refina el modelo de niveles y facetas del conocimiento matemtico
didctico del profesor que engloba los conocimientos citados anteriormente y propone,
asimismo una gua para la formulacin de cuestiones de evaluacin de dicho
conocimiento. El autor propone tener en cuenta las siguientes facetas para analizar los
procesos de instruccin matemtica:
Epistmica: Conocimientos matemticos relativos al contexto institucional en que se
Captulo 2
56
realiza el proceso de estudio y la distribucin en el tiempo de los diversos
componentes del contenido (problemas, lenguajes, procedimientos, definiciones,
propiedades, argumentos).
Cognitiva: Conocimientos personales de los estudiantes y progresin de los
aprendizajes.
Afectiva: Estados afectivos (actitudes, emociones, creencias, valores) de cada
alumno con relacin a los objetos matemticos y al proceso de estudio seguido.
Mediacional: Recursos tecnolgicos y asignacin del tiempo a las distintas acciones
y procesos.
Interaccional: Patrones de interaccin entre el profesor y los estudiantes y su
secuenciacin orientada a la fijacin y negociacin de significados.
Ecolgica: Sistema de relaciones con el entorno social, poltico, econmico, que
soporta y condiciona el proceso de estudio.
La importancia dada al componente epistmico en el modelo de Godino (2009)
hace que sea aplicable al caso particular de la estadstica. Puesto que la estadstica tiene
sus propios problemas, lenguaje, conceptos, propiedades, argumentos y procedimientos,
el profesor requiere un conocimiento especfico de los mismos y de su interaccin con
el resto de componentes del modelo. Es decir, se requiere una didctica especfica de la
estadstica. En consonancia con el resto del marco terico descrito en el captulo 2 y
puesto que el modelo reconoce la especificidad de la estadstica, a travs de la
componente epistmica, lo utilizaremos en este trabajo. Asimismo, usaremos el modelo
de Hill, Ball, y Schilling (2008) en los captulos 3, 4 y 6 en la evaluacin de los
conocimientos de los profesores.
Godino (2009) tambin propone diferentes niveles de anlisis didctico, que
pueden usarse, tanto en la formacin de profesores, como en la evaluacin de su
conocimiento, o incluso que el propio profesor puede utilizar para mejorar su prctica
docente:
1. Prcticas matemticas y didcticas. En este primer nivel se analizan las acciones
realizadas para resolver las tareas matemticas propuestas para contextualizar los
contenidos y promover el aprendizaje. Tambin se describen las lneas generales de
actuacin del docente y discentes. Nosotros no usaremos este nivel.
2. Configuraciones de objetos y procesos. Se trata de describir los objetos y procesos
matemticos que intervienen en la realizacin de las prcticas, para mostrar la
Investigaciones previas sobre probabilidad condicional

57
complejidad de objetos y significados de las prcticas matemticas. Tambin sirve
para explicar los conflictos en su realizacin y la progresin del aprendizaje.
Nosotros usaremos este tipo de anlisis en el estudio de las respuestas a diferentes
tareas de evaluacin (Estudios 1, 2 y 5) y de posibles soluciones a tareas planteadas
en el trabajo con los recursos (Estudios 2 y 3).
3. Normas y metanormas. Identificacin de las normas que condicionan y hacen
posible el proceso de estudio, y que afectan a cada faceta y sus interacciones. Este
nivel de anlisis no se usa en nuestro trabajo.
4. Idoneidad didctica. Identificacin de potenciales mejoras del proceso de estudio
que incrementen la idoneidad didctica. En nuestro trabajo analizaremos la
idoneidad didctica de recursos en Internet (Estudio 3) y paradojas sobre
probabilidad condicional e independencia (Estudio 4).

Adems, para evaluar algunos componentes del conocimiento didctico usaremos
la metodologa propuesta por Godino (2009) que consiste en dos pasos:
1. Elegir una tarea matemtica cuya solucin ponga en juego los principales aspectos
del contenido, o de las competencias a desarrollar;
2. Formular consignas que cubran algunas facetas y niveles de anlisis didctico del
modelo propuesto por el autor. Dicha consigna consistira en: (a) resolver el
problema (para evaluar el conocimiento comn del contenido); (b) identificar los
objetos y procesos matemticos puesto en juego en la solucin (para el conocimiento
especializado del contenido); (c) describir los razonamientos que los alumnos han
desarrollado al resolver la tarea propuesta o los principales conflictos en dicha
solucin (para el conocimiento del contenido y los estudiantes), y (d) anlisis de las
diferentes categoras de idoneidad didctica (para evaluar los distintos componentes
del conocimiento didctico del profesor).

En nuestro trabajo utilizaremos consignas de tipo (a), (b) y (c) para evaluar el
conocimiento comn o especializado del contenido, el conocimiento del contenido y los
estudiantes y el conocimiento del contenido y la enseanza. En lo que sigue analizamos
algunas investigaciones que han tratado de evaluar algunos de estos componentes.


Captulo 2
58
2.2.5. CONOCIMIENTO DE LA PROBABILIDAD Y LA ENSEANZA

Los diferentes componentes del conocimiento didctico se adquirirn
preferentemente durante el ejercicio de la docencia (Ponte, 2008), pero, al tratarse de un
tema nuevo en los currculos, ha habido, hasta el momento poca oportunidad para un
desarrollo profesional de los profesores de educacin primaria en probabilidad.
Consecuentemente, las investigaciones relacionadas con el conocimiento didctico de
los profesores para ensear probabilidad sugieren que este conocimiento es escaso.
Respecto al conocimiento especializado del contenido, algunas investigaciones
examinan a profesores en ejercicio durante su enseanza, observndolos a lo largo de un
periodo de tiempo y deduciendo su conocimiento a partir de esta observacin,
complementada con entrevistas u otros medios. Un primer punto investigado es la
capacidad de los profesores para reconocer qu conceptos pueden ser estudiados a partir
de un recurso o problema dado. En la investigacin de Chick y Pierce (2008) los
profesores participantes no hicieron un uso adecuado de los datos y proyectos al
planificar sus lecciones, pues fallaron en sacar a la luz los conceptos latentes, a pesar de
la riqueza de conceptos de la situacin didctica planteada. Por el contrario se limitaron
a pedir clculos o nuevos grficos, con pocas actividades de interpretacin.
En la enseanza de la probabilidad se recomienda actualmente el uso de
investigaciones y simulaciones, de modo que se ayude a los estudiantes a mejorar su
razonamiento probabilstico. Sin embargo son pocos los profesores que tienen
experiencia previa con experimentos y simulaciones en probabilidad. As, en el estudio
de Stohl (2005) los profesores observados fallaron al implementar el enfoque
experimental en la enseanza de la probabilidad, porque las tareas que proponan a los
estudiantes slo utilizaban muestras pequeas. Por este motivo, los estudiantes de estos
profesores no pudieron apreciar la convergencia o el efecto del tamao de la muestra
sobre la misma, es decir no llegaron al punto central del enfoque frecuencial de la
probabilidad. En su investigacin, Watson (2001) encuentra pocos profesores de
secundaria que usaran actividades basadas en la simulacin y toma de muestras para
reforzar la enseanza de la probabilidad. Adems, aunque los profesores de primaria
utilizaban lecciones basadas en dichas actividades, no pareca existir un enfoque
coherente hacia el estudio de los conceptos estadsticos.
Haller (1997) realiz una investigacin con un grupo de cuatro profesores de
educacin secundaria que asistan a un curso de desarrollo profesional. Los profesores
Investigaciones previas sobre probabilidad condicional

59
con un conocimiento del contenido ms bajo, cometan errores conceptuales y de
interpretacin de las respuestas de sus alumnos durante sus lecciones. Estos profesores
tambin dependan en gran medida de los libros de texto y no aprovechaban el contexto
de la probabilidad para desarrollar relaciones entre las fracciones, los decimales y los
porcentajes. Sin embargo, los profesores con un mayor conocimiento del contenido no
cometan errores matemticos, relacionaban los decimales, las fracciones y los
porcentajes y aadan preguntas y actividades suplementarias, independientes del libro
de texto. La experiencia docente no pareca tener tanta repercusin en la enseanza de la
probabilidad por parte de los profesores en esta investigacin.
Lpez (2006) analiza la forma en que los profesores disean y llevan a cabo
unidades didcticas para la enseanza de la probabilidad en la escuela primaria, y
muestra la gran dificultad de estos profesores al enfrentarse a conceptos nuevos para
ellos. En un estudio con profesores de enseanza elemental en prcticas, Dugdale
(2001) utiliz la simulacin por ordenador para revelar el conocimiento didctico.
Observ que el uso de software permiti a los profesores disear un par de dados, con
igual probabilidad de obtener pares que impares al multiplicar las cifras en cada tirada,
simular un gran nmero de tiradas, calcular las frecuencias relativas, convencindose as
de que el juego creado era representativo. As mismo, destac que los profesores en
prcticas podan usar este software como una herramienta para promover el debate y la
comprensin de la probabilidad desde un punto de vista que normalmente no permite un
nmero limitado de pruebas con un dado fsico, y que no se conformaban con observar
las frecuencias relativas generadas por la simulacin por ordenador, sino que pasaban a
razonar sobre las probabilidades tericas para as verificar los resultados.
Por otro lado, en algunos casos, los libros de texto y materiales curriculares
preparados son insuficientes como soporte para el profesor. Ello es debido a que
presentan una visin muy parcial de los conceptos (por ejemplo, slo la aproximacin
clsica a la probabilidad o la inferencia). En otros casos las aplicaciones se limitan a
juegos de azar, o no se basan en datos tomados de aplicaciones reales. Tambin
aparecen en ocasiones definiciones incorrectas o incompletas de los conceptos
(Cardeoso, Azcrate y Serrad, 2005).



Captulo 2
60
2.2.6. CONOCIMIENTO DE LA PROBABILIDAD Y LOS ESTUDIANTES

Otras investigaciones se centran en el conocimiento del contenido y los
estudiantes. Stohl (2005), examina cmo treinta y cinco profesores de educacin
secundaria interpretaban las interacciones de los alumnos con una herramienta de
simulacin. Las interpretaciones eran comparadas con un anlisis sobre cmo los
alumnos trabajaban con la herramienta de simulacin, para as determinar las
semejanzas y diferencias con las interpretaciones hechas por los profesores. Los
resultados preliminares del anlisis sobre el trabajo de los alumnos hecho por los
profesores indicaban que estos ltimos, a menudo, se centraban en criticar la ausencia
de ideas formales sobre probabilidad pasando por alto detalles sobre las acciones y el
lenguaje de los alumnos que indicaban el desarrollo de ideas probabilsticas. Como
consecuencia, parece que los profesores no comprendan que el desarrollo de ideas
sobre probabilidad es un proceso complejo y difcil de valorar.
Watson (2001) examin el conocimiento de los profesores sobre las dificultades
de sus alumnos con la probabilidad y la estadstica. Cuando se les pregunt por las
dificultades de los alumnos, slo dos profesores de primaria que participaron en el
estudio mencionaron haber encontrado dificultades, mientras que trece profesores de
secundaria indicaron dificultades en aspectos procedimentales (calcular probabilidades,
permutaciones, diagramas de rbol) o conceptuales (la probabilidad terica, la
inferencia o la probabilidad condicional). Aunque estos datos sugieren que los
profesores de este estudio eran capaces de identificar los problemas de los alumnos,
tambin muestran se centraban principalmente en aspectos de procedimiento y su
enseanza se basaba en un enfoque computacional. La autora tambin mostr que
algunos profesores tenan una apreciacin muy limitada de cmo sus alumnos podran
contestar preguntas tales como encontrar un error en un grfico o identificar un error en
un problema relacionado con el muestreo de una poblacin.

2.2.7. EVALUACIN DE EXPERIENCIAS DE FORMACIN

La literatura sobre formacin de profesores indica la complejidad de las
competencias necesarias para ensear (Brown y Borko, 1992) y la divergencia entre
formacin terica y prctica para la docencia. Por ello, la formacin de futuros
profesores requiere de entornos y contextos en que se trabajen sobre problemas
Investigaciones previas sobre probabilidad condicional

61
significativos relacionados con su desarrollo profesional as como de la reflexin sobre
dichas actividades (Llinares y Krainer, 2006).
Para la estadstica y probabilidad, algunas actividades sugeridas en este sentido
son las siguientes:
Promover el trabajo colaborativo entre los, pues a travs del intercambio de ideas y
materiales entre los profesores que tienen problemas y necesidades comunes
emergen nuevas ideas para la introduccin de actividades, prcticas o el desarrollo
de competencias. El profesor de estadstica y probabilidad ha de manejar dos tipos
de incertidumbre en su trabajo diario: el primero de ellos se relaciona con el
conocimiento estocstico. La incertidumbre aparece tambin en el trabajo de la clase
debido a las interacciones inesperadas entre estudiantes y profesor (Groth, 2008). La
discusin entre profesores, incluso a distancia por medio de la tecnologa puede
ayudar a manejar estos dos niveles de incertidumbre.
Planificacin de una leccin para ensear a los alumnos algn aspecto de la
estadstica. Esta planificacin pone en juego su conocimiento estadstico y su
conocimiento profesional (Chick y Pierce, 2008). Tambin permite el anlisis de las
transformaciones del conocimiento para adaptarlos a los distintos niveles de
enseanza.
Trabajo con proyectos o actividades abiertas. Puesto que los currculos y
metodologa nuevos indican que se debe implicar a los estudiantes con este tipo de
actividades, es importante que los profesores trabajen en la clase con el mismo
enfoque. Una forma de lograrlos es hacerles jugar sucesivamente el papel de alumno
y profesor es decir tener la prctica de aprendiz. Sobre todo cuando hay poco
tiempo de enseanza, se debiera implementar un ciclo formativo en que los
profesores primero trabajaran con un proyecto estadstico o actividad abierta y luego
lo analizaran desde el punto de vista didctico como medio para enriquecer
simultneamente el conocimiento estadstico y profesional del profesor (Godino,
Batanero, Roa y Wilhelmi, 2008). Nosotros implementaremos este enfoque en el
taller analizado en el Estudio 5.
Anlisis de tareas o tems de evaluacin y respuestas de alumnos a las mismas. Con
esta tarea se trata de analizar el contenido estadstico y los conocimientos requeridos
para resolver alguna tarea de evaluacin usada en alguna investigacin sobre
razonamiento estadstico. Este tipo de anlisis permiti tambin revelar posibles
Captulo 2
62
dificultades de los profesores con los conceptos estadsticos en la experiencia de
Godino, Batanero, Roa y Wilhelmi (2008). Tanto en el Estudio 1 como en el Estudio
5 propondremos a los profesores este tipo de actividad.
Resolucin de situaciones problemticas paradjicas y reflexin sobre su contenido.
En el caso de formacin de profesores de secundaria que tengan slidos
conocimientos matemticos, se trata de hacer experimentar a los futuros profesores
la dificultad que encuentra un alumno al resolver las tareas o problemas que se les
plantea. Puesto que el futuro profesor en este caso tiene unos conocimientos muy
slidos de estadstica, hemos de buscar algunos ejemplos de problemas, que,
aparentemente sencillo, puedan, sin embargo tener soluciones contraintuitivas o
sorprendentes (Batanero, Godino y Roa, 2004). Usaremos este tipo de actividad en
el taller descrito en el Estudio 5.

La influencia de las nuevas tecnologas en la estadstica y su enseanza ha sido
reconocida por la International Association for Statistics Education (IASE) en diversas
conferencias: Round Table Conference, celebrada en Granada (Garfield y Burrill,
2007), conferencia sobre Educacin Estadstica e Internet y en los Congresos
Internacionales sobre la Enseanza de la Estadstica. En ellas se discuti sobre el
software disponible para la enseanza, los cambios implicados en el contenido y
metodologa, y el efecto de la tecnologa en el aprendizaje y las actitudes de los
alumnos. Como se destaca en estas conferencias, se ha reducido el tiempo de clculo,
permitiendo trabajar en clase con aplicaciones reales y proyectos.
Las posibilidades de simulacin y creacin de micromundos estocsticos virtuales
permiten explorar los conceptos de probabilidad e inferencia y sustituir las
demostraciones formales por razonamientos ms intuitivos. Se aaden a stas tambin
las funciones de tutor y ayuda al autoestudio, evaluacin y ejercitacin (Biehler, 1997,
2003; Ben-Zvi, 2000). Podemos aadir las experiencias didcticas basadas en el uso de
recursos disponibles en Internet, incluyendo las relacionadas con la formacin de
profesores en estadstica y la interaccin a distancia entre alumnos o alumnos y
profesor.
Un punto esencial para introducir la tecnologa en la clase de estadstica ser la
adecuada preparacin de los profesores, tanto desde el punto de vista tcnico como
didctico. Ello es necesario pues algunos futuros profesores tienen dificultades en la
utilizacin adecuada del software para fomentar la comprensin de los alumnos y
Investigaciones previas sobre probabilidad condicional

63
consideraban que la simulacin es slo til despus de estudiar la probabilidad de
manera terica.
En otros casos al trabajar con la tecnologa pasan por alto las ideas previas
correctas de los estudiantes, centrndose slo en sus errores (Stohl, 2005).

2.3. INVESTIGACIN SOBRE LA PROBABILIDAD CONDICIONAL

2.3.1. INTRODUCCIN

El segundo foco de inters del estado de la cuestin son las investigaciones
relacionadas con la probabilidad condicional, que hemos resumido en Daz, Batanero y
Contreras (2010). La mayora se centran en la evaluacin de la comprensin o de los
sesgos de razonamiento de estudiantes de secundaria o universidad o incluso de
profesionales. Hay tambin un nmero reducido de investigaciones sobre estrategias de
resolucin de problemas, anlisis de libros de texto o experimentos de enseanza.

2.3.2. COMPRENSIN CONCEPTUAL

Comenzamos esta seccin con las investigaciones relacionadas con la
comprensin conceptual, algunas de las cules se centran en analizar si los alumnos son
capaces de aplicar la definicin y propiedades de la probabilidad condicional en
situaciones muy simples, como son el muestreo con o sin reposicin.

2.3.2.1. COMPRENSIN DE LA PROBABILIDAD CONDICIONAL

Intuitivamente la probabilidad condicional P(A/B) de un suceso A dado otro
suceso B se define como la probabilidad de que ocurra el suceso A sabiendo que ha
ocurrido el suceso B y formalmente se define mediante la siguiente expresin, con la
condicin de que P(B)>0.
P(A/B) = P(AB)/P(B).

Algunas investigaciones analizan si los estudiantes comprenden estas definiciones
y pueden aplicarlas en la resolucin de problemas y toma de decisiones en la vida diaria.
Captulo 2
64
En este contexto Maury (1986) analiz la comprensin intuitiva de la probabilidad
condicional en 374 estudiantes del curso preuniversitario y ltimos cursos de
Bachillerato, usando un contexto de extraccin de bolas en urnas y otro de ruletas. En el
primer caso, la extraccin se realiza con y sin reemplazamiento. Aunque el 60% de los
alumnos resolvi correctamente los problemas de probabilidad simple, slo el 25%
resolvi adecuadamente los de probabilidad condicional La dificultad se debi
principalmente a que los dos sucesos considerados no eran equiprobables. En otro
experimento Maury (1985, 1986) plante a 290 alumnos de entre 13 y 16 aos el mismo
problema usando sucesos equiprobables y la tasa de respuestas correctas subi al 70%.
Para Maury este mayor xito indica el reconocimiento intuitivo de la
independencia por parte de los alumnos. La autora tambin observ un xito mayor
cuando en la pregunta se listan todos los sucesos posibles del espacio muestral, que
cuando no se listan, considerando, en consecuencia, que parte de la dificultad de los
problemas se debe a que los alumnos no son capaces de identificar y restringir
correctamente el espacio muestral en la probabilidad condicional. Como indica Saenz
(1999) uno de los errores sistemticos de los alumnos en el campo de la probabilidad es
la incapacidad para hacer inventario completo de los sucesos asociados a un fenmeno
aleatorio, debido a fallos en el esquema combinatorio.
Totohasina (1992) propuso problemas de probabilidad condicional a 67 alumnos
del curso preuniversitario, que haban estudiado la probabilidad, pero no la probabilidad
condicional. Aproximadamente el 60% de ellos lo resolvieron correctamente
apoyndose en representaciones como el diagrama en rbol, la tabla de doble entrada o
la representacin rectangular. Algunos estudiantes no interpretaron probabilsticamente
el enunciado, haciendo uso slo de las frecuencias absolutas de los casos. Otros
alumnos a veces no restringieron el espacio muestral al calcular las probabilidades
condicionales o bien confundieron la probabilidad conjunta y la probabilidad
condicional.
Daz (2007) plantea una pregunta a una muestra amplia de estudiantes de
psicologa donde les pide explicar en sus propias palabras la diferencia entre una
probabilidad simple y una probabilidad condicional. Sus resultados sugieren que una
parte importante de los alumnos define correctamente las dos probabilidades o al menos
una. Aun as la tercera parte de los alumnos no da respuesta o tiene imprecisiones en
una o las dos definiciones. Usaremos esta pregunta en el Estudio 2 y compararemos
nuestros resultados con los de la autora.
Investigaciones previas sobre probabilidad condicional

65
2.3.2.2. INTERCAMBIO DE SUCESOS EN LA PROBABILIDAD
CONDICIONAL

Muchos estudiantes no discriminan adecuadamente entre las dos direcciones de la
probabilidad condicional P(A/B) y P(B/A), error que Falk (1986) denomina falacia de la
condicional transpuesta y que se ha observado principalmente en problemas de
contextos mdicos. En este contexto se confunde la probabilidad de tener una
enfermedad cuando ha sido positiva una cierta prueba, con la probabilidad de un
resultado positivo en la prueba, sabiendo que se tiene la enfermedad (Eddy, 1982). Por
ejemplo, la probabilidad de tener una mamografa positiva si se tiene cncer de pecho
(que es muy alta), se confunde con la de tener cncer de pecho si se tiene la mamografa
positiva (que es muy pequea). En todo caso, la prestigiosa revista Lancet public un
estudio donde se advierte de los riesgos de un diagnstico errneo en la prueba de
mamografa (Gotzsche y Olsen, 2000), de la alta frecuencia de falsos positivos y se
indica que para mejorar su capacidad de decisin, las mujeres que toman la prueba
debera ser informada de los riesgos potenciales en el caso de un falso positivo.
Tambin Batanero, Estepa, Godino y Green (1996) encontraron esta misma
confusin en la interpretacin de tablas de contingencia donde se confunden las dos
frecuencias condicionales relacionadas con una misma celda de datos. En su
investigacin, alrededor del 20% de los estudiantes del curso preuniversitario
confundieron porcentaje de fumadores que contraen cncer de pulmn con
porcentaje de personas con cncer de pulmn que fuman.
Esta confusin se extiende asimismo al contexto de la interpretacin del nivel de
significacin en los contrastes de hiptesis (Vallecillos, 1994). El nivel de
significacin se define como la probabilidad condicional de obtener un resultado R en
la regin de rechazo cuando la hiptesis nula H
o
es cierta, es decir ( / )
o
P R H = .
Cuando un contraste de hiptesis resulta significativo (lo que quiere decir que R ha
ocurrido) y alguien pregunta por la probabilidad de haber cometido un error (la
probabilidad de que H
0
sea cierta) a menudo se contesta con . En esta situacin se
estara confundiendo ( / )
o
P R H con ( / )
o
P H R . Pero la probabilidad ( / )
o
P H R no tiene
sentido en inferencia clsica, y slo puede calcularse en inferencia bayesiana, con lo que
los investigadores estaran mezclando la filosofa e interpretacin de estas dos escuelas
de inferencia, que son incompatibles (Daz, 2007).
Captulo 2
66
Una posible explicacin dada por Falk (1986) a la confusin entre los dos sentidos
de la probabilidad condicional es la imprecisin del lenguaje cotidiano. Cuando
escribimos una probabilidad condicional usando la notacin matemtica es claro cul es
el suceso condicionante y cul el condicionado, pero en el lenguaje ordinario la
probabilidad condicional (tener cncer si se es fumador) y su inversa (ser fumador si se
tiene cncer) no siempre se distinguen claramente entre s. Lo mismo sucede con la
probabilidad conjunta (ser fumador y tener cncer).

2.3.3. CONFUSIN ENTRE PROBABILIDAD CONDICIONAL Y CONJUNTA.
FALACIA DE LA CONJUNCIN.

Tambin Pollatsek, Well, Konold y Hardiman (1987) coinciden en que muchas de
las dificultades que las personas tienen con la comprensin de la probabilidad
condicional pueden deberse a la redaccin de los enunciados. Su hiptesis se basa en los
resultados de Einhorn y Hogarth (1986). Estos autores sugieren que los enunciados que
usan la conjuncin y pueden llevar a confundir la probabilidad conjunta y la
probabilidad condicional, como ocurri en su investigacin al preguntar a 24
estudiantes Cul es la probabilidad de ir al supermercado y comprar caf?. En la
investigacin de Ojeda (1995), las preguntas sobre interseccin de sucesos fueron ms
difciles que las de probabilidad condicional y la mitad de los sujetos del estudio
interpretaron la interseccin como condicionamiento.
Un error relacionado con la probabilidad conjunta es la falacia de la conjuncin
(Tversky y Kahneman, 1982b) o creencia de que es ms probable la interseccin de dos
sucesos que la de uno de ellos por separado o la de su unin. Puesto que la probabilidad
de la interseccin se obtiene multiplicando dos probabilidades, que son nmeros
menores o iguales a la unidad, el resultado de esta multiplicacin nunca puede ser
mayor que la de uno de los factores. Sin embargo, muchos alumnos dan una mayor
probabilidad a la interseccin de dos sucesos, si uno de ellos es muy probable, como por
ejemplo, consideran ms probable ser joven e ir a la discoteca que simplemente ser
joven. El error es resultado de considerar a la conjuncin ser joven e ir a la discoteca
ms representativa de la poblacin que ser simplemente joven.
Daz (2005) analiza la falacia de la conjuncin, recordando que algunos
problemas de probabilidad que aparecen en la vida diaria estn relacionados con la
pertenencia de un elemento a una categora. Indica que para resolverlos muchas
Investigaciones previas sobre probabilidad condicional

67
personas aplican la heurstica de representatividad. Dicha heurstica consiste en evaluar
la probabilidad de un suceso como el grado de correspondencia o similitud entre una
muestra y una poblacin y se usa para predecir resultados. Generalmente, este modo de
razonar produce buenas respuestas, ya que las muestras y los resultados ms
representativos tienen una mayor probabilidad de ocurrencia.
Una de las reglas bsicas de la probabilidad es que cuanto ms especificamos un
suceso, menor es su probabilidad (Tversky y Kahneman, 1982a). Daz indica que estas
relaciones de orden entre las probabilidades no se transforman en otras correspondientes
de representatividad, sino que, en ocasiones, la representatividad se incrementa cuando
especificamos ms nuestras condiciones. Al tratar de estimar la probabilidad de la
interseccin de dos sucesos a veces ocurre un conflicto en los casos en que la
interseccin de los dos sucesos es ms representativa del caso cuya probabilidad se nos
pide.
Daz evala de la falacia de la conjuncin, usando un cuestionario que incluye
cuatro tems con dos grupos de estudiantes de primer ao de psicologa, uno compuesto
por 81 estudiantes y el segundo grupo por 76. La evaluacin se realiz con finalidad
diagnstica, dentro de la asignatura Anlisis de Datos en Psicologa antes de comenzar
el tema de probabilidad condicional, para conocer los posibles sesgos que presentaban
los estudiantes y tenerlos en cuenta en la enseanza del tema. Los tems son versiones
modificadas de los utilizados por Tversky y Kanhneman (1982a). En todos ellos se
limit a presentar un suceso simple y otro compuesto, para evitar la dispersin de la
respuesta si se incluyen demasiados distractores. Se vari el formato (datos dados en
forma de frecuencia o en forma probabilstica) y contexto. A pesar de que los problemas
se pasaron en dos grupos diferentes, se observan los mismos patrones de respuesta. Los
resultados de este estudio indican diferencias estadsticamente significativas segn el
tipo de problema (formato), pero no del contexto del problema, curso, interaccin o de
la nota obtenida en el bachillerato. En consecuencia, podemos decir que el problema de
la falacia de la conjuncin se dio en forma similar en los dos grupos de estudiantes y
que no depende de la calificacin previa de los alumnos en Bachillerato. En contra de lo
esperado, los resultados son algo mejores en los problemas presentados en trminos de
probabilidad, que en los de frecuencia.
Otros autores han tratado de analizar si la enseanza mejora el razonamiento sobre
las probabilidades compuestas y evita la falacia de la conjuncin. Tversky y Kahneman
Captulo 2
68
(1982b) comparan las respuestas de sujetos con diferentes conocimientos de
probabilidad, encontrando tan slo ligeras mejoras en los que han tenido mayor nmero
de cursos de estadstica, con la excepcin de un grupo de sujetos con conocimientos
estadsticos bastante avanzados. Crandall y Greenfield (1986) organizaron un enseanza
en que los estudiantes sistemticamente usaron diagramas de Venn como ayuda para
resolver problemas similares a los descritos anteriormente, encontrando una mejora
moderada en la capacidad de resolucin de los problemas en el grupo experimental de
sujetos que utiliz esta tcnica.

2.3.4. RELACIN ENTRE INDEPENDENCIA Y PROBABILIDAD
CONDICIONAL

Las dificultades de comprensin de la probabilidad condicional son debidas en
ocasiones a la falta de percepcin de la independencia, concepto ligado al de
probabilidad condicional tanto en su definicin, como por su significado intuitivo (Daz,
2007). Dicha dificultad contina en la Universidad, como muestra Snchez (1996),
quien pas un cuestionario a 88 profesores de Matemticas que participaban en Mxico
en un programa de actualizacin. Slo 44 profesores hicieron intentos sistemticos por
resolver un problema de independencia. De ellos 39 dieron una respuesta, pero slo 4
utilizaron la regla del producto y llegaron a la solucin correcta. Entre las respuestas
incorrectas encuentra dos tipos de razonamiento:
1. Creer que dos sucesos son independientes si y slo si son excluyentes, error muy
extendido, y descrito anteriormente por Kelly y Zwiers (1986), quienes suponen que
es debido a la imprecisin del lenguaje ordinario, en que independiente puede
significar, a veces, separado. Esta creencia es errnea pues dos sucesos excluyentes
son justamente dependientes pues uno no puede ocurrir a la vez que el otro.
2. Creer que para que dos sucesos sean independientes cada uno de ellos ha de
pertenecer a un experimento diferente y no al mismo experimento. Tambin esto es
falso, pues al tomar al azar una mujer de una poblacin, los sucesos ser menor de
20 aos y ser sevillana son independientes, aunque se refieran a un mismo
experimento (tomar la mujer al azar de la poblacin).



Investigaciones previas sobre probabilidad condicional

69
2.3.5. CONDICIONAMIENTO Y CAUSACIN

La causalidad es un concepto cientfico, filosfico y psicolgico complejo, aunque
las personas lo comprenden de forma intuitiva en base a su experiencia cotidiana con
situaciones de relaciones de causa y efecto. La relacin causal estricta ocurre cuando al
variar un suceso A (por ejemplo, al cambiar la cantidad de agua en un recipiente) otro
suceso B cambia (el peso del recipiente cambiar). Es difcil de hallar en el mundo real
relaciones perfectas de causa y efecto y por ello los estadsticos hablan de relacin de
causa dbil cuando al suceder A cambia la probabilidad de que ocurra B (Daz, 2007).
Es decir, cuando P(B/A) es diferente de P(B). Una relacin de causalidad implica una
dependencia de tipo estadstico entre los sucesos implicados. Por ejemplo, a mayor
nmero de horas de estudio aumenta la probabilidad de una mejor nota, pero no es
seguro, pues el alumno podra hacer un mal examen por un cansancio excesivo.
Desde el punto de vista de la probabilidad condicional, si un suceso A es la causa
estricta de un suceso B, siempre que suceda A, suceder B, por lo que P(B/A)=1. Sin
embargo lo contrario no es cierto, ya que dos sucesos pueden ser dependientes, sin que
uno de ellos sea causa del otro. Por ejemplo hay una relacin inversa entre la tasa de
natalidad de un pas y la esperanza de vida, pero la relacin no es de tipo causal. Desde
el punto de vista psicolgico, la persona que evala una probabilidad condicional
P(A/B) puede percibir dos relaciones diferentes entre A y B:
Relacin causal: Si percibe que B (suceso condicionante) es causa de A (causa),
estimando la probabilidad de un efecto A dado cierto conocimiento de la causa B.
Por ejemplo, la probabilidad de que si una persona tiene pulmona, sta tenga fiebre
es alta.
Relacin diagnstica: Si percibe A como una causa de B, se realizara un
razonamiento diagnstico, estimando la causa dado el conocimiento del efecto. En
el ejemplo anterior, si una persona tiene fiebre, la probabilidad de que tenga
pulmona no es alta, pues hay muchas enfermedades que originan la fiebre.

Aunque matemticamente los dos enunciados son equivalentes, desde un punto de
vista psicolgico hay una creencia que las relaciones causales son ms fuertes que las
relaciones diagnsticas (Tversky y Kahneman, 1982a) debido a la existencia de un
sesgo causal cuando las personas se enfrentan con tareas relacionadas con la
Captulo 2
70
probabilidad condicional.
La relacin de causalidad tambin se asocia, a menudo, con la secuencia temporal
(Falk, 1986) y algunos estudiantes tienen problemas con la condicionalidad cuando se
invierte el eje de tiempo en que los sucesos ocurren de una forma natural. Por ejemplo,
si les preguntamos cul es la probabilidad de que el abuelo de una persona tuviera los
ojos azules. Esta creencia, que consiste en rechazar la evidencia ocurrida despus del
suceso que juzgamos, se conoce como falacia del eje temporal y consiste en suponer
que el suceso condicionante ha de preceder temporalmente al condicionado.
Entender que la probabilidad de un suceso puede ser revisada a la luz de
resultados posteriores es importante en la aplicacin del Teorema de Bayes, donde la
actualizacin de las probabilidades a la luz de los resultados juega un papel tan
importante. Gras y Totohasina (1995) identifican tres tipos de concepciones errneas
sobre la probabilidad condicional en estudiantes:
En la concepcin cronolgica los estudiantes interpretan la probabilidad condicional
P(A/B) como una relacin temporal, donde el evento condicionante B siempre
precede al suceso A.
En la concepcin causal, los estudiantes interpretan la probabilidad condicional
P(A/B) como una relacin causal implcita, donde el suceso condicionante B es la
causa y A la consecuencia.
En la concepcin cardinal los estudiantes interpretan la probabilidad condicional
P(A/B) como la proporcin
Card(A B)
Card(B)

, que es correcta slo en el caso de un


espacio muestral finito equiprobable. Otros estudiantes interpretan P(A/B) como la
proporcin
Card(A)
Card(B)
, que es siempre falso.

2.3.6. RESOLUCIN DE PROBLEMAS

Otras investigaciones estudian las estrategias y errores de los estudiantes al
resolver problemas. Las ms importantes son las relacionadas con el Teorema de Bayes
y las que analizan cmo influyen las variables del problema en la resolucin de la tarea.



Investigaciones previas sobre probabilidad condicional

71
2.3.6.1. PROBLEMAS RELACIONADOS CON EL TEOREMA DE BAYES

Totohasina (1992) encuentra las siguientes estrategias espontneas entre los
alumnos que tratan de resolver un problema del Teorema de Bayes:
Cambio de referencial: Consiste en restringir el espacio muestral para tratar el
problema como si se tratase de un problema de probabilidad simple.
Clculo de cocientes de porcentajes, lo que implica, en la prctica la frmula de
Bayes, aunque deducida de una manera informal.

Totohasina, despus de realizar un experimento de enseanza de la probabilidad
condicional, donde no se introduce formalmente el teorema de Bayes, aunque se
plantean y resuelven problemas de probabilidad inversa basndose en rboles y tablas
de doble entrada, propone a los alumnos un problema de Bayes y examina los tipos de
diagramas en rbol utilizados por los alumnos. El autor supone que los alumnos pueden
encontrarse con dificultades en funcin del tipo de representacin elegida para resolver
el problema, que les es dado en formato verbal. Al pasar, por ejemplo, a una tabla de
doble entrada, se dificulta la percepcin de la naturaleza secuencial de algunos
problemas, porque lo que queda ms visible es la interseccin de los dos sucesos y
puede llevar a los alumnos a confundir la probabilidad condicional y la conjunta.
De un total de 65 alumnos que participaron en la evaluacin, 26 construyeron un
diagrama en rbol, con lo que se resalt claramente el aspecto secuencial de los
experimentos (clculo de la probabilidad directa); 9 de estos estudiantes llegaron a
construir correctamente al rbol inverso, que muestra claramente la probabilidad
inversa. Otros 7 alumnos usaron el diagrama en rbol, pero no contemplaron el aspecto
secuencial y no llegaron a asignar correctamente las probabilidades. Slo 9 alumnos
llegaron a la solucin correcta de los problemas. Los autores concluyen que el uso de un
rbol es el recurso ms efectivo para resolver problemas de probabilidad condicional,
sobre todo cuando se refiere a un problema diacrnico (dirigido en el tiempo). Pero
puede reforzar las concepciones causalistas o cronologistas en los alumnos que las
manifiestan. Otra dificultad descrita por Totohasina es la necesidad de invertir
condicin y condicionado en los problemas tipo Bayes, ya que, como hemos sealado,
los alumnos con frecuencia confunden el papel de estos dos sucesos en una probabilidad
condicional y por tanto confunden una probabilidad condicional con su inversa.
Captulo 2
72
Daz y de la Fuente (2007) realizaron un estudio sobre resolucin de problemas
bayesianos por parte de estudiantes de Psicologa, antes y despus de la enseanza de la
probabilidad condicional. Su estudio se basa en otros estudios como el de Tversky y
Kahneman (1982a) que estudian la denominada falacia de las tasa base. Esta falacia se
refiere al hecho de ignorar la probabilidad a priori del suceso en la poblacin en
problemas que involucran la probabilidad inversa. Mientras que los estudios anteriores
dan una explicacin terica para las dificultades de los estudiantes, la hiptesis de las
autoras es que la resolucin de problemas bayesianos involucra que los estudiantes
deban recordar y aplicar varios conceptos y procedimientos probabilsticos. Las autoras
tratan de identificar las dificultades de los estudiantes y de esta forma, disear procesos
educativos que permitan trabajar estas tareas.
Las autoras proponen tres tems a diferentes muestras de estudiantes de
Psicologa, dentro de la asignatura de Anlisis de Datos antes de impartirles el tema de
probabilidad condicional, aunque los estudiantes ya tenan nociones del tema, ya que lo
haban estudiado en secundaria. Despus de administrar el test a los estudiantes, se les
ense probabilidad condicional, dedicndose tres clases tericas y dos prcticas a este
tema, que incluy los siguientes contenidos: probabilidad condicional y conjunta,
teorema de la probabilidad total y teorema de Bayes. Los estudiantes recibieron
instruccin sobre el uso de diagramas de rbol y tablas de doble entrada para la
resolucin de los problemas y se les advirti sobre la existencia de errores y sesgos
como la falacia de la conjuncin, la falacia del eje del tiempo y la falacia de las tasas
base. Posteriormente se les volvi a pasar uno de tems distribuidos aleatoriamente.
La gran proporcin de respuestas en blanco en los tems antes de la enseanza
sugiere que estos estudiantes haban olvidado el teorema de Bayes, estudiado en
secundaria o que no reconocieron que tenan que aplicar este teorema. La falacia de las
tasas base fue la principal respuesta y el formato frecuencial no ayud a los alumnos a
resolver el problema. Se obtuvieron mejores resultados en el tem en el que apareca la
frmula de Bayes, ya que esto ayud a los alumnos a reconocer la respuesta correcta.
Para analizar los resultados despus de la enseanza las autoras decidieron
cambiar los tems para no forzar las respuestas de los alumnos. Distinguieron los
siguientes pasos en las repuestas de los estudiantes, teniendo en cuenta el grado de
correccin de su solucin:


Investigaciones previas sobre probabilidad condicional

73
a) Identificar los datos del problema: El estudiante debe discriminar entre probabilidad
simple y compuesta, para poder realizar correctamente las sucesivas particiones del
espacio muestral, e identificar que datos se refieren a cada uno de los conceptos del
enunciado del problema.
b) Construir una representacin adecuada: El segundo paso es construir un diagrama
de rbol adecuado para representar el experimento secuencial y la particin
secuencial de la poblacin. Esta representacin debe servir al estudiante para
reconocer el conjunto de sucesos posibles.
c) Identificar la probabilidad condicional: Para continuar, los estudiantes deben
identificar qu probabilidad se pide en el problema y que sta es una probabilidad
condicional inversa. Las autoras encuentran errores del tipo de que los estudiantes
confundan la frmula la probabilidad condicional con su inversa, con una
probabilidad simple o con una probabilidad conjunta.
d) Calcular el denominador de la frmula de Bayes: Despus de identificar el
problema como el clculo de una probabilidad condicional y recordar la frmula de
Bayes, el estudiante debe calcular el numerador y denominador, este ltimo debe ser
calculado con la regla de la probabilidad total, esto es, multiplicando las
probabilidades del cada rama del rbol y sumando cada una de esas probabilidades
conjuntas. El alumno debe entender que se trata de sucesos dependientes, para
aplicar correctamente la regla del producto en este caso.
e) Calcular la probabilidad inversa (teorema de Bayes): Finalmente, el estudiante
debe sintetizar todos los pasos anteriores y calcular el numerador (probabilidad
conjunta) y denominador (probabilidad total) para obtener la probabilidad inversa,
es decir, aplicar el teorema de Bayes.

El nmero de respuestas correctas despus de la instruccin sugiere la mayor
dificultad del tem cuando el problema se presentaba en trminos de frecuencias, donde
fue mayor el nmero de alumnos que no identific correctamente los datos, o deja la
respuesta en blanco. Para complementar el estudio, se realiz un anlisis de los errores.
La mayora de los obstculos fueron la identificacin incorrecta de los datos, la
realizacin incorrecta del diagrama de rbol o de una tabla de doble entrada, la particin
incorrecta del espacio muestral, la confusin entre diversas probabilidades (simple,
conjunta condicional) y entre una probabilidad condicional y su inversa y errores en la
Captulo 2
74
frmula de Bayes, invirtiendo denominador y numerador u omitiendo algn trmino.
Observaron tambin fallos en el razonamiento proporcional, ya que algunos
estudiantes no eran capaces de operar con fracciones o hallar el inverso de una fraccin.
Finalmente algunos alumnos operan conjuntamente probabilidades y valores esperados
o confunden estos dos trminos, obteniendo como consecuencia, valores mayores que la
unidad para la probabilidad de un suceso, sin ser conscientes del error que esto supone.

2.3.6.2. INFLUENCIA DEL LENGUAJE Y EL FORMATO

Pollatesk y cols. (1987) analizan las variables que pueden influir en la resolucin
de los problemas de probabilidad condicional, entre otras, el formato en que se da el
enunciado (probabilidad o porcentaje), y el contexto. El porcentaje de respuestas
correctas fue similar para los problemas dados en probabilidades o dados en
porcentajes, pero en el caso en que el factor causal se haca presente, la versin
porcentual result ms sencilla y los alumnos dan mayor nmero de respuestas correctas
que en la versin probabilstica.
Gigerenzer (1994) sugiere que la dificultad en la resolucin de problemas
referidos al teorema de Bayes desaparece cuando las preguntas se plantean en trminos
de frecuencias. Llama a este formato frecuencias naturales porque se asemeja ms a la
forma en que recogemos informacin de las frecuencias de sucesos aleatorios en una
situacin de muestreo natural a lo largo de nuestra experiencia. Cuando la informacin
se ofrece en trminos de frecuencia, el clculo de la probabilidad a posteriori es ms
natural, porque el sujeto no tiene que aplicar toda la complejidad del teorema de Bayes,
sino slo tener en cuenta los casos favorables y posibles, de modo que el problema se
transforma en un problema simple de probabilidad. Sus resultados coinciden con los de
Ojeda (1995) en sus investigaciones con estudiantes de secundaria.
Resultados similares se han obtenido al plantear otros problemas probabilsticos
en trminos frecuenciales, por lo que Gigerenzer y Hoffrage (1995) recomiendan,
cuando sea posible, cambiar a frecuencias el formato de las preguntas. En el caso
particular de la falacia de la conjuncin, Fiedler (1988) encontr una reduccin
considerable del nmero de respuestas incorrectas al plantear las preguntas en formato
de frecuencias.
Siguiendo esta lnea de investigacin, Lonjedo y Huerta estudian algunas variables
que influyen sobre la resolucin de problemas de probabilidad condicional por
Investigaciones previas sobre probabilidad condicional

75
estudiantes con y sin nociones previas de los contenidos (Huerta y Lonjedo 2003;
Lonjedo, 2003; Lonjedo y Huerta, 2005). Los autores analizan si la resolucin de los
problemas puede hacerse utilizando el razonamiento numrico y por tanto los
estudiantes no necesitan utilizar las relaciones entre probabilidades para resolver el
problema. Esto ocurre sobre todo cuando los problemas no son interpretados como
probabilidades y a causa de ello no se usan las propiedades de la probabilidad para
obtener la solucin del problema. Es slo al final del proceso de resolucin del
problema cuando los estudiantes responden a la pregunta del problema en trminos de
probabilidad.
Lonjedo y Huerta concluyen que hay factores no probabilsticos que afectan al
xito en la resolucin del problema, como pueden ser la naturaleza de los datos de los
problemas. En su estudio clasifican los problemas atendiendo a la naturaleza de los
datos en el texto del problema, distinguiendo entre datos presentados en trminos de
probabilidad, datos presentados en frecuencias absolutas, datos presentados en trminos
de razn o datos expresados en combinacin. En su estudio se les presentaban a los
alumnos seis problemas de probabilidad condicional en el que la estructura de datos no
vara, pero s su naturaleza y el contexto. Los resultados mostraban que el xito en la
resolucin de los problemas no dependa del uso correcto de unas determinadas
frmulas. Estudiantes capacitados para ello, no siempre usaban los datos interpretados
como probabilidades. Por otra parte, estudiantes que no conocen dichas frmulas
resuelven los problemas, por lo que el xito no depende de ellas sino del uso correcto
del razonamiento aritmtico aplicado a unos datos no interpretados como
probabilidades, sino como razones o proporciones.
En Lonjedo y Huerta (2007) completan el estudio anterior y se centran no slo en
la influencia que tienen los datos numricos sino tambin en la posible influencia de la
expresin que refiere a una probabilidad condicional en el comportamiento de los
estudiantes. Como resultado producen un esquema de anlisis para el estudio de estos
comportamientos, particularizndolo para tres problemas estructuralmente isomorfos.
Observan como la presentacin de los datos en los problemas de probabilidad
condicional tienen cierta influencia en el xito de los resolutores y en los procesos de
razonamiento implicados. El incremento en el porcentaje de xitos, se debe a la
modificacin de expresiones o trminos que provocan ambigedad en la
condicionalidad y el formato de presentacin de los datos. Cuando los datos estn
Captulo 2
76
expresados en frecuencias absolutas y la probabilidad condicional en porcentajes el
porcentaje de alumnos que tienen xito crece.

2.3.6.3. USO DE REPRESENTACIONES EN LA SOLUCIN DE LOS
PROBLEMAS

Las representaciones juegan un papel primordial en la resolucin de problemas
matemticos. Los sistemas de representacin son entidades abstractas compartidas que
se usan para organizar la informacin mediante determinadas reglas sintcticas.
Martignon y Wassner (2002) plantean el uso de diagrama en rbol, junto con las
frecuencias naturales para ensear la resolucin de problemas que involucren el
Teorema de Bayes. En la solucin del mismo se comienza identificando los sucesos a
que se refiere la pregunta del problema y se les denota. A continuacin se les organiza
para operar con ellos, por ejemplo, sustituyndolos en una frmula y finalmente se
opera para obtener la solucin.
Una representacin adecuada de los problemas facilita el clculo y produce
soluciones acertadas a los problemas (Gigerenzer y Hoffrage, 1995). El xito se debe a
la estrecha relacin entre el diagrama en rbol y la forma inductiva en que procesamos
la informacin en las tareas bayesianas. Usando la regla matemtica de Bayes
realizaramos las mismas operaciones, pero en un orden diferente, es decir, siguiendo un
proceso deductivo, y aunque nuestra mente est equipada para ambos tipos de procesos,
el primero es ms intuitivo y natural.

2.3.6.4. PLANTEAMIENTO DE PROBLEMAS

La resolucin de problemas tiene su complemento en el planteamiento de
problemas, que permite investigar el pensamiento matemtico avanzado de los alumnos.
La mayora de los estudios realizados sobre el planteamiento de problemas usan
problemas aritmticos y corresponden a niveles no universitarios. Sin embargo Posadas
(2008) y Penalva y Posadas (2009) analizan el planteamiento de problemas de
probabilidad condicional por estudiantes universitarios.
Los autores indican que los procesos de planteamiento de problemas aaden a lo
anterior un mayor nivel de abstraccin que los de resolucin y la necesidad de utilizar
adecuadamente el lenguaje natural y formal. Se interesan por el trabajo que desarrollan
Investigaciones previas sobre probabilidad condicional

77
grupos de estudiantes cuando resuelven y plantean problemas conjuntamente sobre esta
temtica, considerando tambin una serie de creencias errneas sobre probabilidad. Se
basan en investigaciones que indican que slo una minora de estudiantes universitarios
analiza los fenmenos aleatorios desde un punto de vista formal y utiliza correctamente
los procedimientos necesarios para el clculo de la probabilidad de un suceso (J ones,
Langrall y Money, 2007).
La investigacin tuvo en cuenta dos etapas diferenciadas. En la primera se realiz
un estudio exploratorio de las caractersticas de la actividad matemtica que desarrollan
los estudiantes cuando realizan tareas de resolucin y planteamiento de problemas con
contenidos de probabilidad, mientras que en la segunda etapa se enfoca en el estudio de
los procesos de abstraccin matemtica que generan los estudiantes cuando resuelven
dichas tareas. Analizan los recursos, heursticos, tipo de razonamiento y demanda
cognitiva de las tareas mediante estudios de casos en grupos de estudiantes que han
resuelto las tareas propuestas y despus han explicado su trabajo en una entrevista. Los
autores identifican acciones epistmicas de reconocimiento y construccin que
manifiestan los grupos de estudiantes cuando resuelven y plantean problemas relativos
al teorema de la probabilidad total y al teorema de Bayes. La investigacin permite
tambin poner de manifiesto el aprendizaje del estudiante y el potencial de las tareas de
plantear problemas para desencadenar procesos de abstraccin.

2.3.7. ENSEANZA DE LA PROBABILIDAD CONDICIONAL

2.3.7.1. EXPERIMENTOS DESDE LA PSICOLOGA

Diferentes investigadores en psicologa han tratado de explicar los errores y
falacias en el razonamiento en situacin de incertidumbre. Estas investigaciones tienen
diversas implicaciones respecto a la forma en cmo debe llevarse a cabo la enseanza
del tema (Sedlmeier, 1999).
El programa heursticas y sesgos interpreta las falacias como resultado de un
proceso cognitivo que lleva a una conclusin incorrecta, bien por usar un modelo
inapropiado de la situacin o por falta de estructuras cognitivas especficas (Kahneman,
Slovic y Tversky, 1982; Prez-Echeverra, 1990). En este paradigma, las heursticas y
sesgos se suponen resistentes a la enseanza. Por ejemplo, la instruccin especfica no
Captulo 2
78
ha tenido efecto sobre la falacia de la conjuncin en experimentos basados en este
marco terico y los sesgos y falacias descritos por los autores se han encontrado en
sujetos con alta preparacin matemtica (Tversky y Kahneman, 1982b).
Otra perspectiva defendida por Nisbett y Ross (1980) es considerar que podemos
adquirir un razonamiento estadstico correcto y que desarrollamos reglas abstractas
intuitivas para resolver los problemas cotidianos, siempre que encontremos en las
situaciones ciertas claves que nos permitan reconocerlas como aleatorias. La enseanza
podra mejorar nuestro razonamiento estadstico natural, que se adquiere por la
experiencia repetida en resolucin de problemas. Por tanto, estas reglas podran
ensearse mediante ejercitacin, aunque el aprendizaje en concreto de la probabilidad
condicional requiere, adems, enseanza de la lgica condicional (Sedlemeier, 1999).
Gigerenzer (1994) sugiere que la dificultad en la resolucin de problemas
referidos al teorema de Bayes desaparece cuando las preguntas se plantean en trminos
de frecuencias. En sus investigaciones, cambia el enunciado, y observa un aumento
notable de los razonamientos de tipo bayesianos. Gigerenzer sugiere que nuestra mente
est mejor equipada para resolver problemas bayesianos cuando la informacin y las
preguntas se dan en trminos de frecuencias. Sin embargo, en un experimento
organizado para hacer comprender a los sujetos que la probabilidad de la interseccin ha
de ser menor que la de cada suceso, Fiedler (1988) no consigui una mejora de los
resultados al incluir el formato frecuencial. Ojeda (1995) obtuvo el mismo resultado
para el caso de problemas de Bayes, puesto que slo el 45% de estudiantes de
secundaria (255 alumnos en la muestra) fueron capaces de resolver problemas
bayesianos dado en trminos de frecuencias.
Martignon y Wassner (2002) plantean el uso de una representacin especial en
forma de diagrama en rbol, junto con las frecuencias naturales para ensear la
resolucin de problemas que involucren el Teorema de Bayes. Estos autores indican
que, mientras que los problemas de probabilidad que los estudiantes encuentran en la
vida diaria son concretos y numricos, los instrumentos de clculo que les presentamos
(por ejemplo el teorema de Bayes) son altamente formalizados. Los alumnos adquieren
reglas nemotcnicas de aplicacin que olvidan fcilmente. Los autores indican que una
representacin adecuada de los problemas facilita el clculo y produce soluciones
acertadas a los problemas tratados.


Investigaciones previas sobre probabilidad condicional

79
2.3.7.2. EXPERIMENTOS DE ENSEANZA EN DIDCTICA DE LA
MATEMTICA

Estrada, Daz y de la Fuente (2006) realizaron un estudio inicial sobre sesgos en el
razonamiento sobre probabilidad condicional en alumnos universitarios. Las autoras
presentan un estudio sobre la evaluacin de los sesgos en el razonamiento condicional
de una muestra de 159 estudiantes de Matemticas, Magisterio y Psicologa. La muestra
participante en el trabajo est formada por 65 estudiantes de Magisterio que seguan una
asignatura optativa de Estadstica Aplicada a la Educacin, 37 estudiantes de 5 curso de
Matemticas, que seguan un curso optativo de Didctica de la Matemtica y 57
estudiantes de Psicologa que seguan un curso obligatorio de Anlisis de Datos. Todos
ellos haban estudiado probabilidad, aunque con diferente profundidad en las
asignaturas citadas.
Los resultados muestran que la falacia de la conjuncin no es tan frecuente como
en la investigacin de Tversky y Kahneman (1982a), y en su lugar aparece el sesgo de
equiprobabilidad (Lecoutre y Durand, 1988), que consiste en considerar los dos sucesos
equiprobables, en ms de la mitad de los estudiantes de todos los grupos. No obstante,
es claro que los estudiantes olvidan que el producto de probabilidades ha de ser menor
que la probabilidad de cada suceso simple o no aplican esta propiedad, cuando se les
presenta un problema en un contexto cotidiano.
Asimismo se encontr que los estudiantes confunden independencia y exclusin,
cambiando los trminos de la probabilidad condicional, y asignando a la probabilidad
conjunta un valor mayor que a la probabilidad simple, es decir, violando las reglas
lgicas del clculo de probabilidades condicionales. Las autoras sugieren que la
enseanza de la probabilidad condicional requiere tambin que los estudiantes
confronten sus propios razonamientos incorrectos, as como la integracin con la
enseanza de la lgica condicional.
Daz y de la Fuente (2006) se centran en la enseanza del teorema de Bayes con
apoyo tecnolgico a 78 alumnos de psicologa. La experiencia form parte de un curso
breve de introduccin a la inferencia bayesiana apoyado en nuevas tecnologas. Los
alumnos participantes se dividieron en cuatro pequeos grupos de entre 15 y 20
alumnos cada uno, repitindose la experiencia en cada uno de los grupos con la misma
profesora. Se dedicaron un total de 3 horas a la enseanza del Teorema de Bayes, de las
Captulo 2
80
cuales las dos primeras se llevaron a cabo en aula tradicional y la tercera en el
laboratorio de informtica donde los alumnos trabajaban en parejas resolviendo
problemas con ayuda de subprogramas Excel preparados para la experiencia.
La evaluacin se llev a cabo mediante dos instrumentos; un cuestionario
formado por 8 tems que evala los conocimientos conceptuales relacionados con el
teorema y dos problemas abiertos de aplicacin. Los resultados indican que la mayora
de estudiantes adquiri una comprensin intuitiva del teorema de Bayes con pocas horas
de trabajo, fueron capaces de identificar los datos en los problemas abiertos, organizar
los datos en una tabla, realizar los clculos e interpretarlos en el contexto de los
problemas. La tasa de xito fue mayor que la informada en otras investigaciones,
incluso las basadas en formatos de frecuencias.

2.4. LA PROBABILIDAD CONDICIONAL EN LOS LIBROS DE TEXTO

Algunos autores analizan la presentacin de la probabilidad condicional en los
libros de texto, junto con otros conceptos que generalmente suelen aparecer ligados,
tales como dependencia e independencia o probabilidades en experimentos compuestos.
En su revisin de libros de texto, Ortiz (1999) comprueba que muchos no incluyen
el estudio de la probabilidad condicional y cuando lo hacen el estudio est muy
restringido. En su anlisis, Ortiz (1999) encontr dos variantes principales de la
definicin de probabilidad condicional en los libros de secundaria:
Definicin tipo 1: Si A y B son dos sucesos en un espacio muestral E, definimos la
probabilidad de A condicionada por B, como el cociente entre la probabilidad de la
interseccin de A y B y la probabilidad de B.
Definicin tipo 2: La probabilidad del suceso condicionante P(B) debe ser distinta
de cero para poder definir la probabilidad condicional como:

( )
( / )
( )
P A B
P A B
P B

= .

En otros casos, Ortiz encontr que se haca mencin de la probabilidad
condicional a travs de un ejemplo, aunque sin nombrarla explcitamente. Un hecho
observado por el autor es la ambigedad del lenguaje, lo que da lugar a confusin en los
alumnos, ya que, en vez de indicar que la probabilidad del suceso B viene condicionada
por el suceso A se dice que es el suceso B el que viene condicionado. Esto podra dar la
Investigaciones previas sobre probabilidad condicional

81
falsa impresin de que estamos trabajando con una probabilidad simple o de que se
quiere realizar otra operacin entre sucesos. Esta ambigedad llega a veces a presentar
una definicin incorrecta de suceso condicionado desde el punto de vista tradicional y
sealada por autores como Falk (1986).
Pocos libros indican que el suceso condicionante tiene que tener una probabilidad
no nula. No se destaca tampoco el papel de los dos sucesos que intervienen en la
probabilidad condicional ni el diferente valor de la probabilidad condicional cuando
intercambiamos estos sucesos entre s.
Respecto a la independencia de sucesos, la definicin que presentan los libros de
texto es a travs de la probabilidad condicionada, es decir que dos sucesos son
independientes cuando P(B/A)=P(B) suele aparecer en gran cantidad de los textos.
Tambin aparece en la mayora de los casos la definicin de que dos sucesos son
independientes cuando el resultado de uno de ellos no influye en la realizacin del otro.
El teorema de la probabilidad total y las frmulas de Bayes apenas se incluyen en los
textos analizados.
Lonjedo y Huerta (2005) exploran los problemas escolares verbales de
probabilidad condicional en los libros de texto, y observaron que las cantidades
presentes en la mayor parte de estos problemas, no estn expresadas en trminos de
probabilidad sino que presentan naturaleza diversa. Segn los autores los problemas
escolares de probabilidad condicional encontrados en los libros de texto slo sern
clasificados como problemas de clculo de probabilidades si los datos del problema son
interpretados como probabilidades y es necesaria las relaciones entre probabilidades
para solucionarlos.
Batanero y Daz (2005) analizan la presentacin de la probabilidad condicional en
los libros de texto recomendados en la asignatura de Anlisis de Datos en Psicologa. El
mtodo del estudio consisti en la elaboracin de un listado con las 31 universidades
espaolas en las que se imparte la licenciatura de Psicologa y la solicitacin a los
profesores correspondientes de la bibliografa recomendada. Las autoras consiguieron
repuestas de 23 universidades. De un total de 79 libros diferentes recomendados sobre
anlisis de datos 20 eran citados por 4 o ms universidades. Trece de ellos incluan el
tema de probabilidad condicional y otros 5 libros de orientacin bayesiana. En un
primer momento se examin las definiciones, propiedades y relaciones con otros
conceptos presentados en la muestra de libros de texto. Se describi las siguientes
Captulo 2
82
categoras:
1. Probabilidad condicional y propiedades: La definicin de probabilidad condicional
se encontr en la mayor parte de los libros analizados. En unos casos se deduce el
concepto de probabilidad condicional a partir de la definicin de la frecuencia
relativa de A condicionada a la ocurrencia de B, aunque en la mayora la definicin
aparece como el cociente ( / ) ( ) / ( ) P A B P A B P B = donde A B representa el
suceso ocurrencia conjunta de A y B, y siempre suponiendo que P(B)>0. En otros se
demuestra que una probabilidad condicional cumple los axiomas de probabilidad o
que la probabilidad condicional implica una reduccin del espacio muestral.
2. Dependencia, independencia e intercambiabilidad: En la mayora de los casos
encuentran el trmino independencia deducida matemticamente de la regla del
producto: A y B son independientes si y slo s ( ) ( ) ( ) P A B P A P B = . Tambin
aparece el termino independencia relacionado con la probabilidad condicional, ya
que dos sucesos son independientes si la probabilidad de uno de ellos no cambia al
condicionarlo por el otro. Un concepto directamente relacionado con los anteriores
que se suele confundir con ellos es el de sucesos mutuamente excluyentes, en
algunos libros se indica que, precisamente son dependientes, ya que la ocurrencia de
uno hace que el otro no pueda ocurrir. En gran parte de los libros estudiados se
deduce el concepto de sucesos dependientes a partir del concepto de independencia.
En algunos de los textos de enfoque bayesiano se incluye el trmino
intercambiabilidad, como hiptesis no tan restrictiva como la independencia.
Tambin se relaciona con la probabilidad condicional, ya que dos sucesos son
independientes si la probabilidad de uno de ellos no cambia al condicionarlo por el
otro.
3. Regla del producto: Este concepto aparece en los libros como una regla que permite
calcular las probabilidades en experimentos compuestos. En algunos casos se
proporciona la regla diferenciando entre sucesos independientes y dependientes para
su aplicacin. Pero en la mayora de las ocasiones aparece expresada como una
relacin entre interseccin de sucesos y el producto de ellos.
4. Ley de la probabilidad total: Este concepto suele estar asociado a la regla del
producto, siempre partiendo de n sucesos incompatibles y mutuamente excluyentes.
En otros casos no aparece explcitamente definida, pero se presenta implcitamente
como parte del estudio del Teorema de Bayes.
Investigaciones previas sobre probabilidad condicional

83
Las autoras destacan que son pocos los libros de texto que usan formas de
visualizacin (diagramas en rbol, tablas de doble entrada, diagramas de Venn) que
ayuden al alumno a recordar estos conceptos. Por el contrario es usual presentar
ejercicios resueltos, que ayudan a contextualizar los conceptos presentados. El recurso
del ordenador slo lo encontraron en los dos libros especficamente basados en este
recurso. Los ejercicios observados en el estudio desvelan que son pocos los que se
plantean en contexto de simulacin o aplicando directamente la probabilidad
condicional, siento tambin escasos los relacionados con la independencia. Las autoras
los clasifican en varias categoras:
Ejercicios que calculan la probabilidad condicional de un experimento simple;
Ejercicios que calculan la probabilidad condicional en el contexto de muestreo con
reposicin;
Ejercicios que calculan la probabilidad condicional en el contexto de muestreo sin
reposicin;
Ejercicios que calculan la probabilidad condicional a partir de probabilidades
conjuntas y simples;
Ejercicios que calculan la probabilidad compuesta haciendo uso de la regla del
producto en el caso de sucesos dependientes;
Ejercicios que calculan la probabilidad compuesta haciendo uso de la regla del
producto en el caso de sucesos independientes;
Ejercicios para determinar si dos sucesos son dependientes o independientes;
Ejercicios para diferenciar entre sucesos mutuamente excluyentes y sucesos
independientes;
Ejercicios para calcular la probabilidad total;
Ejercicios para resolver problemas bayesianos;
Ejercicios para resolver problemas de probabilidad condicional y conjunta en
experimentos compuestos de diferentes experimentos simples;
Ejercicios para estimar probabilidades condicionales y conjuntas mediante
simulacin.
Un punto a destacar es que los libros apenas tienen en cuenta los sesgos descritos
en la literatura y es escaso tambin el uso de recursos didcticos y simulacin. Hay que
tener en cuenta tambin que, aproximadamente la tercera parte de los libros elegidos
inicialmente, no incluan el tema de probabilidad condicional.
Captulo 2
84
2.5. CONCLUSIONES DEL ESTUDIO DE LAS INVESTIGACIONES PREVIAS

En los apartados anteriores hemos realizado una revisin de las investigaciones
sobre formacin de profesores para ensear probabilidad y sobre comprensin de la
probabilidad condicional, conjunta, independencia y teorema de Bayes.
Respecto al tema de formacin de profesores, nuestro anlisis muestra que la
investigacin es muy escasa, y casi inexistente en lo que se refiere a la probabilidad
condicional. Por otro lado la investigacin centrada en los conocimientos matemticos
sobre probabilidad (en general) se ha enfocado predominantemente en futuros
profesores de educacin primaria. Sera necesaria completar esta investigacin con
estudios sobre el conocimiento matemtico referido a la probabilidad condicional, tanto
en profesores de educacin primaria como secundaria.
Ms escasa es todava la investigacin previa sobre conocimientos didcticos de
profesores en formacin o ejercicio de los dos niveles educativos en este tema e incluso
respecto a la probabilidad en general o la descripcin de la evolucin de estos
conocimientos como consecuencia de intervenciones educativas. Nuestro trabajo, por
tanto aportara una primera informacin en un campo en que no se poseen apenas
conocimientos que puedan guiar la accin formativa de los formadores de profesores.
Respecto a la investigacin sobre comprensin de la probabilidad condicional, se
han descrito diferentes errores y algunas de las razones para los mismos, as como
algunas variables que facilitan la resolucin de los problemas sobre estos conceptos.
La investigacin revisada muestra que este no es un tema sencillo, que tiene una
amplia variedad de matices y los alumnos lo asocian con la problemtica de la
causalidad y temporalidad, teniendo dificultad en la percepcin de los experimentos
compuestos en el caso de situaciones sincrnicas. Se confunde independencia y
exclusin, se cambian los trminos de la probabilidad condicional, se confunde sta con
la conjunta y se asigna a la probabilidad conjunta un valor mayor que a la probabilidad
simple, violando las reglas lgicas del clculo de probabilidades. La presentacin en
los libros de texto no siempre es completa y los problemas incluidos en el tema, en
ocasiones son problemas aritmticos y no verdaderos problemas probabilsticos.
En consecuencia, pensamos que dada la importancia de la probabilidad
condicional en estadstica y en la vida cotidiana, las dificultades descritas en los
alumnos y las carencias de los libros de texto, merece la pena continuar la investigacin
sobre el tema. Nuestros Estudios 3 y 4, incluidos en el captulo 5, de recursos
Investigaciones previas sobre probabilidad condicional

85
disponibles en Internet y paradojas clsicas para la enseanza del tema se orientan a
identificar aquellos que pudieran contribuir a la superacin de algunos de los errores
descritos. Este estudio lo usaremos como fundamento para el Estudio 5 descrito en el
captulo 6 sobre diseo de unos procesos de estudio de la probabilidad condicional y su
didctica, dirigidos a la formacin de profesores.

86



87


CAPTULO 3
EVALUACIN DE CONOCIMIENTOS DE FUTUROS
PROFESORES DE EDUCACIN PRIMARIA


3.1. Introduccin
3.2. Objetivos e hiptesis del Estudio 1
3.3. Muestra y contexto curricular
3.4. Anlisis a priori de la tarea
3.4.1. Configuracin de objetos matemticos y soluciones correctas al problema
3.4.2. Posibles conflictos semiticos
3.4.3. Variables de tarea en el problema
3.5. Conocimientos matemticos en relacin a la probabilidad condicional
3.5.1. Anlisis global de soluciones
3.5.2. Anlisis detallado de soluciones
3.5.3. Resultados en el clculo de probabilidad simple
3.5.4. Resultados en el clculo de probabilidad conjunta
3.5.5. Resultados en el clculo de probabilidad condicional
3.5.6. Resumen de respuestas
3.6. Conocimiento especializado del contenido
3.6.1. Introduccin
3.6.2. Situaciones o problemas
3.6.3. Lenguaje
3.6.4. Conceptos
3.6.5. Procedimientos
3.6.6. Propiedades
3.6.7. Argumentos
3.6.8. Sntesis del conocimiento especializado del contenido
3.7. Conocimiento del contenido y la enseanza
3.7.1. Introduccin
3.7.2. Identificacin de variables de tarea
3.7.3. Identificacin de variables del sujeto
3.7.4. Identificacin de variables de la situacin
3.8. Conclusiones del Estudio 1
3.8.1. Conclusiones sobre los conocimientos matemticos
3.8.2. Conclusiones sobre el conocimiento didctico del contenido


3.1. INTRODUCCIN

Aunque la probabilidad condicional no figura explcitamente como contenido en
la Educacin Primaria, si aparece el tema de la lectura de tablas de doble entrada, en el
cul implcitamente se incluye la comprensin del clculo elemental de la probabilidad
simple, condicional y compuesta en situaciones sencillas. Tambin aparece
explcitamente el estudio de la probabilidad simple, incluyendo la comprensin del
Captulo 3

88

lenguaje ordinario relacionado con el azar y la probabilidad (que para un futuro maestro
incluira el comprender los enunciados del tipo si o condicional y del tipo y o
conjuncin) y el clculo de probabilidades sencillas aplicando la regla de Laplace.
Por otro lado, la comprensin y el clculo de probabilidades en la tabla de doble
entrada es un recurso profesional para el futuro profesor, en temas como el diagnstico
de dificultades de aprendizaje o la evaluacin de sus estudiantes. El estudio elemental
de dicho tema se incluye, asimismo, en textos de probabilidad elemental dirigida a la
formacin de profesores, tales como, por ejemplo Godino, Batanero y Caizares (1987),
Azcrate y Cardeoso (2001) o Batanero y Godino (2002).
Estas consideraciones nos han llevado a plantear un estudio de las competencias
matemticas y didcticas de los futuros profesores de Educacin Primaria, en relacin a
la interpretacin de probabilidades simples, compuestas y condicionales en tablas de
contingencia muy elementales, que llevamos a cabo en este captulo. En lo que sigue, se
describen los objetivos e hiptesis del Estudio 1, la muestra de estudiantes, el contexto
en que se toman los datos y se realiza un anlisis a priori detallado de la tarea de
evaluacin propuesta. Seguidamente se presentan y discuten los resultados, separando
los correspondientes al conocimiento matemtico y al conocimiento didctico.

3.2. OBJETIVOS E HIPTESIS DEL ESTUDIO 1

El Estudio 1 se orienta a evaluar los conocimientos matemticos y didcticos de
los futuros profesores de Educacin Primaria en relacin con algunos objetos
matemticos que aparecen implcitos en la interpretacin de tablas de contingencia 2x2,
es decir con dos filas y dos columnas. Ms concretamente, podemos diferenciar dos
objetivos en el estudio.
Objetivo 1. Analizar el conocimiento comn de probabilidad que ponen de
manifiesto los futuros profesores de educacin primaria en el clculo de probabilidades
simples, compuestas y condicionales a partir de datos presentados en una tabla de
contingencia 2x2.
Para lograr este objetivo plantearemos un problema elemental en el que tengan
que calcular estas probabilidades una muestra de profesores en formacin. Se realizar
un anlisis semitico de las soluciones dadas, para categorizar las respuestas
encontradas, identificando posibles conflictos semiticos. Se compararn los resultados
Evaluacin de conocimientos de futuros profesores de educacin primaria

89

con los obtenidos por Estrada y Daz (2007) en una tarea semejante y una muestra
reducida de futuros profesores de educacin primaria de la Universidad de Lleida que
haban seguido previamente un curso optativo de didctica de la estadstica.
Objetivo 2. Analizar algunos conocimientos didcticos de los futuros profesores de
educacin primaria sobre la tabla de contingencia 2x2 y el clculo de probabilidades a
partir de la misma.
Para lograr este objetivo, y una vez resuelto el problema anterior, se propone a los
futuros profesores realizar un anlisis didctico de la tarea. Por un lado, se les pide
analizar los contenidos matemticos involucrados en la resolucin del problema, para
evaluar de este modo su conocimiento especializado del contenido matemtico. Por
otro, se les pregunta por las variables de tarea del problema para evaluar su
conocimiento del contenido y la enseanza.

Hiptesis
Respecto a este estudio, esperamos que nuestros resultados muestren un
conocimiento insuficiente de los futuros profesores de la muestra sobre la probabilidad
condicional, tanto respecto al conocimiento matemtico, como en relacin a las
componentes evaluadas del conocimiento didctico.
Esta hiptesis se basa en los resultados descritos sobre la comprensin de la
probabilidad condicional en la seccin 2.3, donde se muestran numerosos sesgos de
razonamiento que es razonable que aparezcan tambin en los futuros profesores. Por
otro lado, investigaciones previas como, por ejemplo, la de Estrada y Daz (2007) con
una tarea similar a la nuestra, aunque de menor tamao, muestran un insuficiente
conocimiento de los futuros profesores respecto a la probabilidad simple, condicional y
conjunta. Resultados similares sobre la comprensin de la probabilidad se muestran en
otras investigaciones como las de Azcrate (1995), Begg y Edward (1999), Watson
(2001) y Ortiz, Nordin, Batanero, Serrano y Rodrguez (2006). Esperamos que estos
resultados se repliquen en nuestro trabajo.
Respecto a los componentes del conocimiento didctico, suponemos que ser
tambin insuficiente, aunque no tenemos antecedentes sobre este punto. Pero, sin
embargo Ball, Lubienski y Mewborn (2001) sugieren que dicho conocimiento depende
en gran medida del conocimiento matemtico, por lo que, si este no es suficiente,
tampoco es de esperar que lo sea el conocimiento didctico.
Captulo 3

90

La importancia de los citados objetivos es que permitirn obtener informacin
sobre las necesidades formativas de los profesores, que pueda servir para preparar
materiales didcticos y mejorar la accin educativa con estos futuros profesores.
A continuacin se describe la muestra participante, la tarea propuesta y los
resultados obtenidos, que se han publicado en Contreras, Estrada, Daz y Batanero,
(2010) y Contreras, Batanero, Daz y Fernndes (2011).

3.3. MUESTRA Y CONTEXTO CURRICULAR

Los participantes fueron estudiantes de segundo curso de la Diplomatura de
Magisterio, Educacin Primaria, que cursaban la asignatura Currculo de Matemticas
en la Educacin Primaria. Esta es una asignatura de carcter eminentemente prctico
(dos tercios de las horas docentes se dedican a actividades prcticas) cuyo contenido
exclusivo es la didctica de la matemtica. Los contenidos matemticos que se imparten
en esta asignatura son los mismos que se incluyen en el currculo de Educacin Primaria
en Espaa, que abarca cuatro bloques temticos: Nmeros y operaciones, La medida:
estimacin y clculo de magnitudes, Geometra y Tratamiento de la informacin, azar y
probabilidad (MEC, 2006a).
Los datos se tomaron dentro de una evaluacin parcial de la asignatura, que se
relaciona con el cuarto bloque del currculo de matemticas en educacin primaria:
Tratamiento de la informacin, azar y probabilidad. En la tarea propuesta tambin se
contempla el tema de Objetos y procesos matemticos, Variables de tarea. Los
estudiantes realizaron la actividad individualmente y produjeron un informe escrito
dentro del aula. Todos estos temas fueron objeto de las sesiones tericas en la
asignatura. Anteriormente los estudiantes haban realizado una actividad similar de
anlisis de variables de tarea y de los objetos y procesos matemticos, en relacin a un
problema de proporcionalidad y otro problema de razonamiento algebraico elemental.
El ao anterior al que se tomaron los datos, en la asignatura Matemticas y su
Didctica (asignatura de 9 crditos ECTS, cada uno de los cuales equivale a 25 horas
de trabajo del estudiante, incluido el trabajo dentro y fuera del aula) se dedicaron 2
crditos al bloque de Tratamiento de la informacin, azar y probabilidad. En este
bloque los estudiantes revisaron y ampliaron su informacin sobre conceptos como:
datos, variables estadsticas, distribuciones de frecuencias, grficos, medidas de
Evaluacin de conocimientos de futuros profesores de educacin primaria

91

posicin central y dispersin. Tambin se revisaron y ampliaron las ideas de
aleatoriedad, probabilidad y la asignacin de probabilidades mediante regla de Laplace
o estimacin frecuencial de la probabilidad, incluyendo algunos ejercicios sencillos de
probabilidad condicional y compuesta.
Hay que tener tambin en cuenta que los estudiantes proceden de diferentes
especialidades de bachillerato. La mayora de ellos, provienen del bachillerato de
humanidades, en el que los contenidos matemticos son menores y las matemticas en
los ltimos cursos con opcionales. Algunos estudiantes provienen de bachillerato de
ciencias sociales, y en este caso, habrn estudiado estadstica durante un cuatrimestre
completo, incluyendo probabilidad simple y condicional e incluso introduccin a la
inferencia, el curso anterior a su ingreso en la Facultad de Educacin. No es habitual
que el estudiante haya cursado el bachillerato de ciencias, pero en este caso, aunque
tienen matemticas el ao anterior de ingresar en la Facultad, no se incluye la estadstica
dentro de esta materia. En todo caso, cualquiera que sea el bachillerato cursado, durante
la Enseanza Secundaria Obligatoria (12-16 aos) todos los estudiantes habrn recibido
una enseanza mnima de probabilidad y probabilidad condicional.

3.4. ANLISIS A PRIORI DE LA TAREA

Figura 3.4.1. Tarea propuesta

La lectura de tablas de doble entrada es uno de los contenidos incluidos en Educacin Primaria.

a. Resuelve el siguiente ejercicio.
b. Qu contenidos matemticos se trabaja? (clasifcalos segn los objetos matemticos estudiados en
clase: problemas, lenguaje, conceptos, propiedades, procedimientos, argumentos).
c. Indica algunas variables que se pueda cambiar en esta tarea para variar la dificultad o para variar el
contenido matemtico.

Tarea. En un colegio se pregunta a los alumnos, obteniendo los siguientes resultados:
Chicos Chicas Total
Le gusta el tenis 400 200 600
No le gusta 50 50 100
Total 450 250 700

Si elegimos al azar uno de estos alumnos:
a. Cul es la probabilidad de que le guste el tenis?
b. Cul es la probabilidad de que sea una chica y adems le guste el tenis?
c. Sabiendo que el alumno elegido es chica, Cul es la probabilidad de que le guste el tenis?


Captulo 3

92

En la Figura 3.4.1 se incluye el enunciado de la tarea propuesta, que consta de una
primera parte de resolucin de problemas y dos cuestiones sobre anlisis didctico. La
primera pregunta est orientada a evaluar el conocimiento comn del contenido de los
futuros profesores, es decir, leer una tabla de doble entrada y resolver a partir de ella un
problema de probabilidad simple, otro de probabilidad compuesta y otro de
probabilidad condicional. El conocimiento especializado del contenido se evala en la
segunda pregunta y en la tercera el conocimiento del contenido y la enseanza.

3.4.1. CONFIGURACIN DE OBJETOS MATEMTICOS Y SOLUCIONES
CORRECTAS AL PROBLEMA

En la primera parte de la tarea se muestra una tabla de doble entrada o de
contingencia 2x2, que presenta en forma resumida la distribucin de frecuencias de una
muestra de datos, clasificada respecto a dos variables estadsticas, cada una de las cules
tiene dos categoras. En la tarea propuesta hemos elegido esta forma elemental de tabla
de doble entrada para mostrar que, incluso en este formato elemental, aparecen
numerosas dificultades y conflictos semiticos, que seguramente sern ms numerosos
y serios cuando se pida a los futuros profesores interpretar una tabla ms compleja.
La complejidad semitica de la configuracin de objetos matemticos tabla de
contingencia se pone de manifiesto al analizar su versin ms simple (Tabla 3.4.2).
Aunque todos los datos de las celdas a, b, c, d, mostradas en dicha tabla, se refieren a
frecuencias absolutas, cada una de ella depende de una doble condicin (valores de su
fila y columna) y su significado no es equivalente desde un punto de vista psicolgico
(Estepa, 1993). La celda a representa la presencia conjunta del carcter A y B y la d su
ausencia conjunta, mientras que en las otras dos celdas aparece slo uno de los dos
caracteres.

Tabla 3.4.2. Formato tpico de la tabla de doble entrada 2x2
B no B Total
A a b a+b
no A c d c+d
Total a+c b+d n=a+b+c+d

Evaluacin de conocimientos de futuros profesores de educacin primaria

93

Adems, de acuerdo a Estrada y Daz (2007), a partir de la frecuencia absoluta
doble de una celda dada (por ejemplo a) se pueden deducir tres frecuencias relativas
diferentes:
Frecuencia relativa doble:
a
a b c d + + +

Frecuencia relativa respecto a su fila:
a
a b +

Frecuencia relativa respecto a su columna:
a
a c +

Tambin es posible calcular dos tipos de frecuencias relativas marginales; respecto
a las filas y respecto a las columnas:
a b
a b c d
+
+ + +
y
a c
a b c d
+
+ + +
.

Suponiendo un contexto de extraccin al azar de un elemento de la poblacin o
muestra dada y supuestos equiprobables todos los sujetos de la muestra, podemos
aplicar la regla de Laplace como cociente entre casos favorables y posibles, y obtener
una probabilidad diferente de cada una de las frecuencias relativas anteriores.
En el apartado (a) del problema se pide el clculo de la probabilidad simple del
suceso A={le gusta el tenis}, que viene dada como P(A)=
a b
a b c d
+
+ + +
. El alumno ha de
leer la tabla y localizar los casos favorables y desfavorables al suceso pedido, para
aplicar la Regla de Laplace. Los casos posibles son el total de la muestra; los casos
favorables el total de alumnos a los que gusta el tenis, es decir, una frecuencia absoluta
marginal. La probabilidad de que le guste el tenis, P(A), se obtiene dividiendo
a+b=600 (chicos y chicas a las que les gusta el tenis) entre el total a+b+c+d=700. Se
obtiene una probabilidad de que guste el tenis P(A)=600/700=0,857.
En la Tabla 3.4.3 reproducimos un anlisis semitico simplificado de esta
solucin, en la cual se ponen en juego conceptos (experimento aleatorio, suceso, casos
favorables y posibles, total, suma y divisin, frecuencia absoluta doble y marginal),
procedimientos (suma, divisin, regla de Laplace), representaciones verbales numricas
y simblicas, todo ello ligado con un argumento. Los alumnos deben realizar mltiples
procesos de interpretacin y representacin; as como de particularizacin de los
conceptos. La resolucin del problema paso a paso supone un proceso de
Captulo 3

94

descomposicin o anlisis, mientras que la conclusin final alcanzada se logra
mediante un proceso de sntesis.

Tabla 3.4.3. Anlisis semitico de la respuesta correcta en el apartado (a)
Expresin Contenido
En un colegio se pregunta a los alumnos,
obteniendo los siguientes resultados:
Chicos Chicas Total
Le gusta el tenis 400 200 600
No le gusta 50 50 100
Total 450 250 700

- El alumno comienza con un proceso de significacin para
interpretar el texto y sus elementos. Lee la tabla
(procedimiento y representacin).
- Identifica las dos variables del enunciado (concepto) y
establece una correspondencia (procedimiento) entre los
cdigos (chicos, chicas, le gusta el tenis, no le gusta;
lenguaje) y los valores de la variable (concepto) en nios
imaginarios (elemento fenomenolgico).
- Identifica las frecuencias dobles, marginales y total en la
tabla (conceptos y procedimiento) realizando un proceso
de particularizacin.
Si elegimos al azar uno de estos
alumnos: Cul es la probabilidad de
que le guste el tenis?
- Ha de interpretar la pregunta en relacin a un experimento
aleatorio (tomar un alumno al azar) mediante procesos de
significacin y particularizacin del concepto.
- Identifica los posibles sucesos en el experimento (le gusta
o el tenis); conceptos y particularizacin de los mismos.
- Ha de identificar lo que pide el problema: probabilidad
simple (concepto) y particularizarlo a este caso.
P(A)=
b d
a b c d
+
+ + +
=600/700=0,857
- Identifica los casos favorables correspondientes a la
frecuencia marginal (particularizacin de un concepto).
- Los representa mediante la expresin b+d (representacin
de una operacin; concepto de suma).
- Identifica y representa los casos posibles a+b+c+d o total
de la muestra.
- Aplica la regla de Laplace, dividiendo casos favorables
entre casos posibles (procedimiento).

En el apartado (b) se pide la probabilidad de que ocurran simultneamente A y B.
El alumno ha de localizar en la tabla la frecuencia absoluta de que ocurran a la vez los
dos sucesos, que seran los casos favorables. Al igual que el caso anterior, los casos
posibles lo constituiran el total de la muestra. Aplicando simplemente la regla de
Laplace se obtiene ( )
b
P A B
a b c d
=
+ + +
.
Es decir la probabilidad de ser chica y jugar al tenis, pedida en el apartado (b), se
calcula dividiendo los casos favorables b =200 (chicas a las que les gusta el tenis) por
los casos posibles a+b+c+d =700 (alumnos en la muestra). Se obtiene por tanto una
probabilidad igual a
200 2
700 7
( ) 0,28. P A B = = = En la Tabla 3.4.4 reproducimos un
anlisis semitico simplificado de esta solucin, en la cual se ponen en juego, adems
de los objetos matemticos y procesos descritos para el primer apartado, el concepto de
probabilidad compuesta, espacio muestral y sucesos en el experimento compuesto, as
Evaluacin de conocimientos de futuros profesores de educacin primaria

95

como frecuencia relativa doble. El alumno ha de comprender que los sucesos son
dependientes, es decir, ha de leer la tabla y realizar un juicio de asociacin en los datos.

Tabla 3.4.4. Anlisis semitico de la respuesta correcta en el apartado (b)
Expresin Contenido
Si elegimos al azar uno de
estos alumnos:
Cul es la probabilidad de
que sea chica y que le guste el
tenis?
- Ha de interpretar la pregunta en relacin a un experimento aleatorio
(tomar un alumno al azar) mediante procesos de significacin y
particularizacin del concepto.
- Identifica los posibles sucesos en el experimento compuesto
(conceptos y particularizacin de los mismos).
- Ha de identificar lo que pide el problema: probabilidad compuesta
(concepto) y particularizarlo a este caso.
28 , 0 ) (
7
2
700
200
= = = B A P
- Identifica los casos favorables b, correspondientes a la frecuencia
relativa doble (concepto y particularizacin).
- Identifica los casos posibles a+b+c+d o total de la muestra (concepto
y particularizacin).
- Aplica la regla de Laplace (procedimiento).
- Utiliza la notacin de la interseccin de sucesos (representacin y
concepto).
- Ha de realizar una lectura correcta de la tabla, para percibir que las
variables estn asociadas (juicio de asociacin), pues en otro caso, se
debera aplicar la regla del producto (procedimientos y
discriminacin de una propiedad).

El tercer apartado pide la probabilidad condicional de B, sabiendo que ha ocurrido
A; P(B/A)=
b
b d +
; ya que ahora se pide la probabilidad de que le guste el tenis sabiendo
de antemano que es una chica. Se obtiene dividiendo b=200 (chicas a las que les gusta
el tenis) entre b+d=250 (nmero de chicas). El alumno ha de identificar los casos
favorables y posibles en la tabla, y darse cuenta que el condicional supone una
restriccin del espacio muestral. Es decir los casos posibles ahora son slo las chicas.

Tabla 3.4.5. Anlisis semitico de la respuesta correcta en el apartado (c)
Expresin Contenido
Sabiendo que el alumno
es chica, cul es la
probabilidad de que le
guste el tenis?
- Ha de interpretar la pregunta en relacin a un experimento aleatorio (tomar
un alumno al azar) mediante procesos de significacin y particularizacin
del concepto.
- Identifica los posibles sucesos en el experimento (le gusta o el tenis);
conceptos y particularizacin de los mismos.
- Ha de identificar lo que pide el problema: probabilidad condicional
(concepto) y particularizarlo a este caso.
- Ha de identificar la condicin y condicionado en la probabilidad
condicional pedida (concepto y particularizacin).
( )
200 4
250 5
/ 0,8 P B A = = =
- Identifica los casos favorables b, correspondientes a la frecuencia relativa
doble (concepto y particularizacin).
- Debe discriminar entre P(A/B) y P(B/A).
- Identifica los casos posibles b+d o total de la chicas. (concepto y
particularizacin).
- Aplica la regla de Laplace (procedimiento y particularizacin).
Captulo 3

96

Se obtiene por tanto una probabilidad igual a ( )
200 4
250 5
/ 0,8 P B A = = = . En la Tabla
3.4.5 reproducimos el anlisis semitico. Observamos que a los objetos matemticos y
procesos anteriores se une la probabilidad condicional, condicin y condicionado
(conceptos), discriminacin de una propiedad condicional y su transpuesta (propiedad)
y la notacin correspondiente.

3.4.2. POSIBLES CONFLICTOS SEMITICOS

Aunque las tareas requeridas son muy sencillas y de hecho se reducen a la lectura
correcta de la tabla y al clculo de probabilidades simples utilizando la regla de
Laplace, alrededor del 20% de los estudiantes del curso preuniversitario confundieron
las frecuencias condicionales respecto a fila y columna en la investigacin de Batanero,
Estepa, Godino y Green (1996), cuando se les pidi calcular una frecuencia relativa
condicional. Tambin Estrada y Daz (2007) describen diferentes conflictos en su
muestra de futuros profesores en esta tarea.
Es de prever, por tanto, que los futuros profesores puedan tener dificultades para
diferenciar los diferentes objetos matemticos y para el clculo de probabilidades a
partir de la tabla. Segn Falk (1986) muchos estudiantes no discriminan adecuadamente
entre las dos direcciones de la probabilidad condicional P(A/B) y P(B/A), denominando
a este error falacia de la condicional transpuesta. Nosotros interpretamos este error
como un conflicto semitico consistente en confundir los dos trminos (condicin y
condicionado) o bien no diferenciarlos en un enunciado de probabilidad condicional.
La facilidad de resolucin de tareas que implican probabilidades condicionales
depende, segn Pollatsek, Well, Konold y Hardiman (1987), de la redaccin de los
enunciados. Por ejemplo, Einhorn y Hogarth (1986) observaron que algunos alumnos
interpretan incorrectamente la conjuncin y, confundiendo la probabilidad conjunta y
la probabilidad condicional. Tambin la mitad de los sujetos del estudio en la
investigacin de Ojeda (1995) interpretaron la interseccin como condicionamiento. Por
tanto es de esperar que esta confusin aparezca en nuestro estudio.
Ms recientemente la influencia del formato en que se presentan los datos, sobre
la solucin de los problemas simples de probabilidad condicional, se ha comprobado en
la investigacin de Huerta y Lonjedo (2005). En nuestra tarea, para evitar el efecto de
Evaluacin de conocimientos de futuros profesores de educacin primaria

97

esta variable, las tres preguntas se plantean con datos dados en un mismo tipo de
formato.

3.4.3. VARIABLES DE TAREA EN EL PROBLEMA

En el ltimo apartado de la tarea propuesta se pide a los estudiantes identificar las
variables de tarea en el problema, que puedan colaborar a aumentar o disminuir la
dificultad que tienen los estudiantes al resolverlo. En la bibliografa sobre resolucin de
problemas (Lester, 1983, Goldin y McClintock, 1984; Schoenfeld, 1985, Castro, 1991)
se suele diferenciar varios tipos de variables. Nosotros consideraremos tres tipos:
Variables de la tarea: Son las variables relacionadas con la naturaleza del problema
y se pueden referir a su contenido, sintaxis, contexto o estructura (Castro 1991). En
un mismo problema o tarea, ligeras variaciones en el enunciado pueden variar su
dificultad, las estrategias con que los alumnos tratan de resolverlo o bien los
contenidos matemticos de la tarea.
En el problema planteado se podra variar el nmero de celdas en filas o columnas
de la tabla, suprimir los totales, aumentar el tamao de las frecuencias en las celdas o el
total de la muestra, o el formato con que se presentan los datos; por ejemplo, se podran
presentar el enunciado verbalmente, o por medio de un listado o de forma grfica. Se
podra plantear preguntas ms complejas (como calcular la probabilidad de elegir dos o
ms sujetos con o sin reemplazamiento en cada caso). Todos estos cambios afectaran la
dificultad del problema. Se les podra preguntar por la proporcin (en vez de por la
probabilidad), por la asociacin entre las variables o bien hacer un grfico a partir de la
tabla, con lo cual cambiara el contenido matemtico de la tarea.
Variables del sujeto: los alumnos tienen diversas edades, nivel de formacin,
capacidades, estilos cognitivos, formacin matemtica previa, intereses, actitudes e
historia. Las circunstancias sociales y familiares tambin pueden influir, por
ejemplo, el apoyo de sus padres en el estudio o los medios que stos le
proporcionan.
Variables de la situacin de resolucin. Dichas variables se refieren a las
condiciones fsicas y sociales, herramientas disponibles en el momento de resolver
el problema o el modo en que se trabaja. Por ejemplo, es diferente si se trabaja slo
Captulo 3

98

o en grupo, si se dispone de un ejemplo resuelto o no, o de calculadora o del tiempo
disponible para su resolucin.

3.5. CONOCIMIENTOS MATEMTICOS EN RELACIN A LA
PROBABILIDAD CONDICIONAL

Recogidas las respuestas, se procedi a leerlas y agrupar aquellas similares,
mediante un proceso inductivo y cclico, propio del anlisis cualitativo de datos, hasta
llegar a categorizarlas. Una vez identificadas las principales categoras de respuestas,
realizamos el anlisis semitico de un ejemplo tpico de cada una de ellas, para mostrar,
por un lado, la complejidad de las respuestas correctas y los diferentes objetos
matemticos, que el estudiante ha de relacionar entre s por medio de funciones
semiticas. Asimismo mostramos los principales conflictos semiticos que dan lugar a
respuestas parcialmente correctas o incorrectas. El anlisis se completa con el estudio de
las frecuencias de respuestas.

3.5.1. ANLISIS GLOBAL DE SOLUCIONES

En primer lugar, hemos clasificado simplemente las respuestas en correctas e
incorrectas segn la solucin dada por los futuros profesores. Utilizando la
nomenclatura de la Tabla 3.4.2, usaremos la notacin presentada en las Tablas 3.4.3 a la
3.4.5 para asignar los diferentes sucesos, por lo que definimos como sucesos: A =Le
gusta el tenis; A =No le gusta el tenis; B =chicas, B =chicos.

Tabla 3.5.1. Frecuencias absolutas y porcentaje de respuestas correctas
Tarea Respuestas correctas Porcentaje
a. Clculo de P(A) 120 65,5
b. Clculo de P(AB) 77 42,0
c. Clculo de P(A/B) 80 43,7

Como podemos observar, el clculo de probabilidades representa un problema
importante para los futuros profesores, ya que, en ninguna de las tres preguntas
planteadas se obtiene un porcentaje elevado de respuestas correctas. La mayora de los
estudiantes es incapaz de responder correctamente a dos de las tareas propuestas y en la
tarea primera, referente al clculo de la probabilidad simple, un tercio de los futuros
Evaluacin de conocimientos de futuros profesores de educacin primaria

99

profesores cometen algn tipo de error, aumentando el porcentaje en las tareas
referentes al clculo de probabilidades compuestas y condicionales. Estrada y Daz
(2006) obtuvieron un 75%, 55% y 53%, respectivamente, de respuestas correctas en el
clculo de probabilidad simple, compuesta y condicional en una muestra de 65 futuros
profesores que haban seguido un curso optativo de estadstica en la Universidad de
Lleida. Sus resultados fueron mejores que los nuestros, aunque la tarea fue ms difcil
que la ahora planteada, pues inclua una desigualdad y una negacin en el enunciado,
que los alumnos tendran que interpretar para definir el suceso B.
El problema se agrava con la gran cantidad de estudiantes que dejaron en blanco
las tareas (aproximadamente un tercio), lo que indica una falta total de conocimientos
bsicos de probabilidad, destacando la tarea de probabilidad condicional (39,1%). En
consecuencia, estos resultados refuerzan la necesidad de mejorar la formacin
estadstica de los futuros profesores de educacin primaria.

3.5.2. ANLISIS DETALLADO DE SOLUCIONES

En un segundo tipo de anlisis, hemos clasificado los tipos de respuestas dadas
por los futuros profesores no slo en correctas e incorrectas, sino teniendo en cuenta el
tipo de probabilidad calculada y los conflictos semiticos implicados, en el caso de
respuesta incorrecta. Seguimos la metodologa de anlisis utilizada en investigaciones
previas, como las de Olivo (2008) y Mayn (2009).
La importancia del estudio de conflictos semiticos la resalta Godino (2002,
2003), quien indica que en las prcticas matemticas intervienen objetos matemticos,
algunos de los cules tienen un carcter ostensivo (smbolos, esquemas, grficos, etc.),
mientras que la mayora son no ostensivos. Para resolver problemas matemticos los
smbolos (significantes) remiten a otros objetos (significados). Muchos autores en
didctica de las matemticas destacan la importancia de las representaciones, aunque no
siempre se reconoce la variedad de objetos que desempean el papel de representacin y
de objeto representado. Godino, Contreras y Font (2006) usan el trmino funcin
semitica como una "correspondencia entre conjuntos", con tres componentes:
Un plano de expresin: objeto inicial, considerado frecuentemente como el signo;
Un plano de contenido: objeto final, considerado como el significado del signo, esto
es, lo representado, lo que se quiere decir, a lo que se refiere un interlocutor;
Captulo 3

100

Un criterio o regla de correspondencia, esto es un cdigo interpretativo que
relaciona los planos de expresin y contenido.

En ocasiones, el significado que el profesor o investigador quiere atribuir a una
expresin matemtica es interpretado en una forma matemticamente incorrecta por el
alumno y se produce el conflicto semitico. Para Godino, Batanero y Font (2007) un
conflicto semitico es una interpretacin incorrecta de expresiones matemticas, que
produce errores, que no son debidos a falta de conocimiento, sino a no haber
relacionado adecuadamente los dos trminos de una funcin semitica. Godino,
Wilhelmi y Font (2008), han propuesto diferentes niveles de anlisis didcticos de las
respuestas de alumnos o de las tareas e incluso de los procesos de enseanza y
aprendizaje de las matemticas. En esta investigacin aplicamos el que denominan
Anlisis Semitico, que se centra en los objetos y procesos que intervienen en las
prcticas matemticas o emergen de ellos y permite describir la complejidad
Ontosemitica de dichas prcticas. A continuacin se describen los resultados.

C1. Respuestas bsicamente correctas
Seran los alumnos que calculan la probabilidad pedida en cada uno de los
apartados. Por lo tanto han sido capaces, tanto de interpretar el enunciado del problema
y los datos, como de leer correctamente la tabla de contingencia. Han identificado
correctamente los casos favorables y posibles para cada apartado, aplicando
correctamente la regla de Laplace. Seran las respuestas esperadas que se han
comentado en el anlisis a priori de la tarea.

C.1.1. Expresin simblica incorrecta de la probabilidad. La solucin es correcta,
con un error de terminologa, por aplicacin de un smbolo que no es usual para denotar
el concepto requerido. Aunque bsicamente la respuesta es correcta, sta denota un
aprendizaje incompleto del lenguaje matemtico. Un ejemplo en el primer apartado es el
siguiente, en que el estudiante identifica correctamente los casos favorables y posibles y
aplica la regla de Laplace, pero otorga la notacin de probabilidad al resultado
numrico, mostrando una terminologa inadecuada: La probabilidad de que le guste el
tenis es P(600/700) (alumno 70). No se realiza el anlisis semitico por ser
bsicamente igual a la solucin correcta.
Evaluacin de conocimientos de futuros profesores de educacin primaria

101

C.1.2. Errores en operaciones: Son aquellas respuestas que plantean bien el
problema pero fallan en la operacin. Un ejemplo (alumno 43), se reproduce a
continuacin y su anlisis semitico se presenta en la Tabla 3.5.2. A partir de este
momento el anlisis semitico solamente se har con la resolucin, puesto que el
enunciado del problema es el mismo para cada alumno, por lo que la actividad de
lectura e interpretacin de la tabla llevara los mismos procesos y objetos que se
describieron en la solucin correcta.
La probabilidad de que le guste el tenis es:

Tabla 3.5.2. Anlisis semitico de la respuesta C1.2
Expresin Contenido
La probabilidad de que
le guste el tenis es:
70---100
600---x
600 100
99%
700
x

= =

- Lenguaje (repite la pregunta del enunciado en forma afirmativa para indicar
la solucin), proceso de representacin.
- No es claro que el estudiante use la idea de experimento aleatorio, suceso y
probabilidad.
- Usara la idea de proporcin (concepto) y la propiedad de que el producto de
los trminos de una proporcin ha de ser igual (conceptos) particularizando
al ejemplo; representacin de trminos de la proporcin, representa las
operaciones e igualdad.
- Identifica el nmero de personas a las que gusta el tenis, realizando una
suma (procedimiento) y leyendo correctamente la tabla (procedimiento).
- Identifica mediante otra suma a+b+c+d el total de la muestra.
- Aplica una regla de tres directa, por tanto el problema lo resuelve por un
problema de proporcin y no de probabilidad.
- No divide correctamente, identificando un 1% como la diferencia de los
casos favorables respecto a los posibles (600 de 700) (error de clculo).

Observamos en el ejemplo que el alumno comienza realizando una regla de tres.
Este procedimiento nos sugiere que el estudiante no interpreta el problema en forma
probabilstica, sino que lo trata como un problema de proporcionalidad. Es decir, no es
claro que est utilizando la idea de experimento aleatorio y probabilidad. Esta conjetura
se ve reforzada por el hecho de que el estudiante nos d el resultado en porcentaje y no
como una probabilidad, no utilizando en ningn momento la notacin probabilstica.
Por otro lado, obtiene una solucin incorrecta por error en los clculos.

C.1.3. Calcula la probabilidad como complementaria a la del suceso contrario.
Adems comete un error en el clculo del porcentaje. Esta categora es bsicamente
igual a la anterior, aunque el estudiante est aplicando correctamente una propiedad
(que la suma de la probabilidad de un suceso y su contrario es igual a la unidad). En el
siguiente ejemplo se observa que el alumno no sabe leer el dato de la tabla, no
Captulo 3

102

alcanzando un nivel de extraccin de datos, que es la categora ms baja de lectura de
tablas en la clasificacin de Curcio (1989):
100---700
X=40---250
40% de 250 son chicas, 5% no le gusta el tenis. La probabilidad de que sea chica y adems le
guste el tenis es del 35%. De 100 veces que tires 35 saldr que es chica y le gust el tenis
(alumno 148).

Tabla 3.5.3. Anlisis semitico de la respuesta C1.3
Expresin Contenido
100---700
X=40---250
40% 250 son chicas,
5% no le gusta el tenis

- Descompone el problema en partes (proceso de anlisis), fijando una
variable (ser chica).
- Aplica una regla de tres directa, para calcular el porcentaje de chicas en la
muestra (procedimiento; observando que el producto de trminos en la
proporcin es constante (propiedad y conceptos).
- Resuelve el problema usando proporciones y no probabilidades.
- Calcula el porcentaje de chicas correctamente; no es claro que est
interpretando el problema en trminos probabilsticas.
- Lee incorrectamente el porcentaje de chicas que no le gusta el tenis
(conflicto en el proceso de interpretacin de la tabla).
- Redondea los clculos (el resultado correcto es 35,7%).
La probabilidad de
que sea chica y
adems le guste el
tenis es del 35%.
De 100 veces que tires
35 saldr que es chica
y le gust el tenis
- Aplica la probabilidad del suceso contrario (propiedad, particularizacin a
este caso); usa los conceptos de suceso, suceso contrario y probabilidad.
- Calcula el porcentaje de casos que cumplen A y B (chicas a las que no gusta
el tenis, respecto al total); error en aplicacin de procedimiento.
- Calcula el porcentaje de chicas a las que gusta el tenis, restando los dos
anteriores; obtiene un resultado incorrecto debido al error de clculo.

A continuacin se describen los diferentes tipos de respuestas incorrectas.
Algunas de ellas repiten los errores descritos en los trabajos previos, incluidos los
conflictos descritos por Estrada y Daz (2007). Pero tambin se observan conflictos
nuevos no descritos en las investigaciones anteriores.

C2. Confusin de la probabilidad que se pide en el problema
Una primera categora de errores se produce debido a conflictos en el proceso de
interpretacin de la pregunta del problema, pues se confunde el tipo de probabilidad que
se pide en cada caso. A continuacin analizamos las variantes encontradas.
C2.1. Confunde probabilidad simple y condicional. Este conflicto ya fue descrito
por Estrada y Daz (2007). En el primer apartado del problema dan como respuesta una
probabilidad condicional o bien en el tercer apartado dan como respuesta una
probabilidad simple. En el ejemplo que reproducimos a continuacin, y que se analiza
Evaluacin de conocimientos de futuros profesores de educacin primaria

103

en la Tabla 3.5.4, el estudiante obtiene dos probabilidades condicionales; la
probabilidad de que, siendo chico le guste el tenis y la probabilidad condicional de que,
siendo chica le guste el tenis. Siendo incapaz de leer en la tabla la frecuencia marginal,
sustituye el problema original por dos problemas diferentes de clculo de probabilidad
condicional. Adems del conflicto consistente en la confusin entre probabilidad simple
y condicional, se observa la incapacidad de interpretar una tabla doble para encontrar
una frecuencia marginal. El estudiante no alcanza el segundo nivel de lectura de datos
definido por Curcio (1989), leer entre los datos, pues no es capaz de encontrar datos
ms all de los dados directamente en la tabla.
Primer apartado: Probabilidad de que le guste el tenis es:
:4/ 6 66,66%
:2/ 6 33,33%
Chico
Chica
=

(alumno 36)

Tabla 3.5.4. Anlisis semitico de la respuesta C2.1
Expresin Contenido
Probabilidad de que le
guste el tenis es:
:4/ 6 66,66%
:2/ 6 33,33%
Chico
Chica
=


- Usa las ideas de experimento aleatorio, caso favorable y posible
(conceptos).
- Proceso de representacin, de los sucesos (chico/chica); representacin
incorrecta pues usa inadecuadamente el smbolo de igualdad.
- Conflicto al dar una probabilidad mayor que 1 (no discrimina los
conceptos probabilidad y porcentaje).
- Identifica los casos favorables a y b correspondientes a las frecuencias
marginales (conceptos y particularizacin).
- Identifica los casos posibles a+b o total marginal de los que les gusta el
tenis (conceptos y particularizacin).
- Aplica la regla de Laplace (procedimiento).
- Intercambia el suceso que le guste el tenis por el suceso ser chico
sabiendo que le gusta el tenis y por ser chica sabiendo que le gusta el
tenis (conflicto al confundir probabilidad simple y compuesta).
- No finaliza el problema pues no es capaz de aplicar la probabilidad total
(propiedad y procedimiento).

C2.2. Confunde probabilidad simple y compuesta. En el primer apartado del
problema da como respuesta una probabilidad compuesta o en el segundo dan como
respuesta una probabilidad simple, confusin descrita por Estrada y Daz (2007). En el
ejemplo que reproducimos a continuacin (Tabla 3.5.5), el alumno sustituye el clculo
de la probabilidad conjunta por dos problemas de clculo de la probabilidad simple.
Pero, en este caso, el alumno calcula dos probabilidades simples, la probabilidad de ser
chica (aproximadamente 41,6% cuando en realidad es del 35,71%) y la probabilidad de
que le guste el tenis (aproximadamente 80% cuando el resultado es 85,71%).
Posiblemente la dificultad se deba a incapacidad para leer la tabla de doble entrada.
Segundo apartado: La probabilidad de que sea chica y le guste el tenis es 41,6% que es la
Captulo 3

104

probabilidad de ser chica y 80% que es la probabilidad de que le guste el tenis (alumno 92).

Tabla 3.5.5. Anlisis semitico de la respuesta C2.2
Expresin Contenido
La probabilidad de que
sea chica y le guste el
tenis es 41,6% que es la
probabilidad de ser chica y
80% que es la
probabilidad de que le
guste el tenis
- Usa las ideas de experimento aleatorio, caso favorable y posible
(conceptos).
- Conflicto al identificar la probabilidad pedida; sustituye el clculo de la
probabilidad compuesta por clculo de dos probabilidades simples.
- Identifica los casos favorables a+b y c+d correspondientes a las
frecuencias marginales (conceptos y particularizacin) para cada
probabilidad simple.
- Identifica los casos posibles a+b-c-d o total de la muestra (conceptos y
particularizacin).
- Aplica la regla de Laplace (procedimiento).


C2.3. Confunde probabilidad condicional y compuesta. En el segundo apartado
del problema el estudiante da como respuesta una probabilidad condicional o en el
tercer apartado da como respuesta una probabilidad compuesta, confusin encontrada
por Ojeda (1995). Einhorn y Hogarth (1986) sugieren que los enunciados que usan la
conjuncin y pueden llevar a confundir la probabilidad conjunta y la probabilidad
condicional. En el siguiente ejemplo, que analizamos en la Tabla 3.5.6, vemos como a
la hora de calcular la probabilidad compuesta el alumno calcula una probabilidad
condicionada, en este caso calcula la probabilidad de ser chica sabiendo que le gusta el
tenis (200/600). El alumno ha hecho una restriccin incorrecta de los casos posibles del
experimento, considerando slo los alumnos a los que gusta el tenis, en lugar de toda la
muestra. Por ello, calcula una probabilidad condicional, en lugar de la conjunta.
Probabilidad de que sea chica y le guste el tenis es: 2/6 33,33% = (alumno 143).

Tabla 3.5.6. Anlisis semitico de la respuesta C2.3.
Expresin Contenido
Probabilidad de
que sea chica y le
guste el tenis es:
2/6 33,33% =

- Usa las ideas de experimento aleatorio, caso favorable y posible (conceptos) y
los sucesos en el enunciado.
- Identifica que la pregunta pide calcular una probabilidad pedida (proceso de
interpretacin) particularizando el concepto probabilidad al ejemplo.
- Identifica los casos favorables al suceso compuesto ser chica y gustarle el
tenis, b.
- Conflicto al identificar como casos posibles a-b (frecuencia marginal), en lugar
de a+b+c+d (total de la muestra); restriccin incorrecta del espacio muestral.
- Aplica la regla de Laplace (procedimiento).
- En lugar de calcular la probabilidad compuesta que le guste el tenis y sea chica
calcula la condicionada o ser chica sabiendo que le gusta el tenis (conflicto al
confundir una probabilidad condicional y conjunta).


Evaluacin de conocimientos de futuros profesores de educacin primaria

105

C2.4. Confunde una probabilidad condicional P(A/B) con su transpuesta P(B/A).
Seran los estudiantes que en el tercer apartado del problema dan como respuesta una
probabilidad condicional errnea, al confundir el suceso condicionante y el
condicionado. Estos estudiantes no discriminan adecuadamente entre las dos
direcciones de la probabilidad condicional P(A/B) y P(B/A), error que Falk (1986)
denomina falacia de la condicional transpuesta. En este ejemplo, que reproducimos a
continuacin, y analizamos en la Tabla 3.5.7, el alumno calcula la probabilidad de ser
chica sabiendo que le gusta el tenis (200/600), por lo que est intercambiando el suceso
condicin que sea chica por el suceso que le guste el tenis.
Tercer apartado: Hay un 33% de probabilidad de que al elegir una chica le guste el tenis
(alumno 71).
Tabla 3.5.7. Anlisis semitico de la respuesta C2.4.
Expresin Contenido
Hay un 33% de
probabilidad de que al
elegir una chica le
guste el tenis
- Usa las ideas de experimento aleatorio, caso favorable y posible
(conceptos).
- Conflicto en el proceso de interpretacin de la pregunta.
- Intercambia el suceso que le guste el tenis siendo chica por el suceso ser
chica sabiendo que le gusta el tenis (conflicto al confundir los sucesos de la
probabilidad condicionada).
- Identifica los casos favorables b (interseccin de sucesos).
- Conflicto al identifica los casos posibles b+d, tomando en vez de ello la
frecuencia marginal a+b.
- Aplica correctamente la regla de Laplace (procedimiento).
- Expresa el resultado en porcentaje (proceso de representacin y concepto).

C.2.5. Confunde probabilidad simple, con probabilidad de suceso elemental. No
hemos encontrado descrito este conflicto en los trabajos previos. En lugar de calcular la
probabilidad simple, P(A), calcula la probabilidad de tomar al azar un sujeto entre todos
los que componen la muestra. En el siguiente ejemplo, el estudiante considera todos los
sujetos equiprobables, asignando a cada uno igual probabilidad (Tabla 3.5.8)
Primer apartado: La probabilidad de que le guste el tenis cogiendo un alumno al azar es de 1/700
ya que existen 700 alumnos (alumno 82).
Tabla 3.5.8. Anlisis semitico de la respuesta C2.5.
Unidad Contenido
La probabilidad de
que le guste el tenis
cogiendo un alumno al
azar es de 1/700 ya que
existen 700 alumnos
- Usa las ideas de experimento aleatorio, caso favorable y posible (conceptos).
- Conflicto al interpretar la pregunta del enunciado, no identificando
correctamente la probabilidad pedida (no identifica los casos favorables b,
con el suceso gustar el tenis).
- Considera todos los casos equiprobables; asigna igual probabilidad a cada
individuo (propiedad).
- Identifica los casos posibles a+b+c+d.
- Aplica la regla de Laplace (procedimiento).
- Conflicto al asumir equiprobabilidad.
Captulo 3

106

C3. Confusin de los sucesos que intervienen en la probabilidad
Un segundo grupo de errores se producen por conflictos debidos a la
identificacin de los sucesos que intervienen en la probabilidad pedida. A continuacin
analizamos estos casos, que se deben a que el alumno no alcanza el nivel elemental de
extraccin de datos de la tabla de contingencia, en la terminologa de Curcio (1989).
C3.1. Confusin de un suceso y su complementario, calculando correctamente la
probabilidad pedida. En el caso que reproducimos a continuacin, y analizamos en la
Tabla 3.5.9, el alumno calcula ( / ) P B A =50/250=20% en vez de ( / ) P B A = 200/250=80%.
La confusin se debe a que est calculando a partir del total de alumnas, aquellas a las
que no les gusta el tenis en lugar de las que s. Sin embargo, ha identificado
correctamente que se trata de un problema de probabilidad conjunta y aplica la frmula
correctamente, salvo que confunde el suceso por su complementario.
Tercer apartado: La probabilidad de que le guste el tenis es
50
20%
250
=
(alumno 102).
Tabla 3.5.9. Anlisis semitico de la respuesta C3.1
Expresin Contenido
La probabilidad de
que le guste el tenis es
50
20%
250
=

- Usa las ideas de experimento aleatorio, caso favorable y posible (conceptos).
- Identifica la probabilidad pedida (proceso de interpretacin) particularizando
al ejemplo. Aplica el concepto de probabilidad condicional (proceso de
particularizacin).
- Conflicto al confundir el suceso le gusta el tenis con su complementario,
no alcanzando el nivel de extraccin de datos al leer la tabla.
- No identifica los casos favorables b, sino toma en su lugar d (casos
favorables al complementario).
- Identifica los casos posibles b+d que cumplen la condicin ser chica
(conceptos y particularizacin). Aplica la regla de Laplace (procedimiento).

C4. Confusin de otros objetos matemticos
Los alumnos no slo confunden entre si probabilidades o sucesos, sino otros
objetos matemticos, como analizamos a continuacin.
C.4.1. Confusin de probabilidades con casos posibles, es decir de la probabilidad
de un suceso con las frecuencias absolutas. Estos alumnos no discriminan propiedades
elementales de la probabilidad, como que la probabilidad es un nmero incluido entre
cero y uno. Este error tambin se encontr en algunos casos en el trabajo de Estrada y
Daz (2007). Un ejemplo (Tabla 3.5.10) referente al primer apartado sera :
( ) 400 200 600 P A = + = (alumno 5). El mismo tipo de respuestas se ha encontrado en
los otros apartados. As, en el segundo apartado un alumno responde: La probabilidad
de que le guste el tenis y sea chica es de 200 (alumno 29). El alumno est dando el
Evaluacin de conocimientos de futuros profesores de educacin primaria

107

nmero de casos que cumple la condicin. Ha podido leer correctamente la tabla, pero
asigna el trmino probabilidad a la frecuencia absoluta confundiendo los dos conceptos.

Tabla 3.5.10. Anlisis semitico de la respuesta C4.1.
Expresin Contenido
P(A)=400+200=600 - Usa las ideas de experimento aleatorio y sucesos.
- Conflicto al interpretar la pregunta sobre la probabilidad como pregunta
sobre nmero de casos favorables.
- Identifica los elementos que cumplen la condicin a+b.
- No identifica los casos posibles a+b+c+d. No usa la regla de Laplace.
- Conflicto al confundir la probabilidad con la frecuencia absoluta.
- Expresin simblica inadecuada.
- Conflicto al no discriminar un axioma de probabilidad.

C.4.2. Obtencin de probabilidades mayores que la unidad. Los alumnos
confunden los datos del problema, llegando en casos a obtener probabilidades mayores
que la unidad, sin aplicar los axiomas de la probabilidad. En el ejemplo que
reproducimos a continuacin, y analizamos en la Tabla 3.5.11, el estudiante aplica la
regla de Laplace, y posteriormente multiplica por 100, confundiendo probabilidad y
porcentaje. Primer apartado: La probabilidad de que a un alumno le guste el tenis es
de 600/7 (Alumno 52). Esto indica que el alumno aprende la regla de Laplace de
memoria y la aplica mecnicamente sin comprender su significado.

Tabla 3.5.11. Anlisis semitico de la respuesta C4.2.
Expresin Contenido
La probabilidad de
que a un alumno le
guste el tenis es de
600/7
- Usa las ideas de experimento aleatorio, caso favorable y posible (conceptos).
- Identifica la probabilidad pedida (proceso de interpretacin) particularizando
al ejemplo.
- Identifica los casos favorables a+b.
- Identifica los casos posibles a+b+c+d.
- Aplica la regla de Laplace (procedimiento).
- Calcula el porcentaje ya que multiplica por cien la fraccin 6/7.
- Conflicto al confundir la fraccin con el porcentaje ya que no aparece el
trmino por ciento en ninguna parte.

C.4.3. Confunde dependencia e independencia. Un conflicto ya sealado por
Estrada y Daz (2007) es suponer independencia en los datos, aunque la dependencia sea
patente en la tabla. Estos alumnos calculan la probabilidad de la interseccin, como
producto de las dos probabilidades P(A) y P(B), dando la solucin
250600
( )
700700
P A B = .
Esta respuesta implica que el estudiante recuerda la regla del producto de
probabilidades, aunque no sabe discriminar su aplicacin en los casos de dependencia e
Captulo 3

108

independencia de los datos. Un ejemplo en el segundo apartado (ver Tabla 3.5.12) es el
siguiente:
La probabilidad de que sea chica y le guste el tenis es
250 600
700 700

(alumno 22).

Tabla 3.5.12. Anlisis semitico de la respuesta C4.3.
Expresin Contenido
La probabilidad de
que sea chica y le
guste el tenis es
250 600
700 700
x
- Usa las ideas de experimento aleatorio, caso favorable y posible
(conceptos)
- Identifica la probabilidad pedida (proceso de interpretacin)
particularizando al ejemplo.
- Identifica los casos favorables a+b y los casos posibles a+b+c+d del
suceso gustar el tenis.
- Identifica los casos favorables b+d y los casos posibles a+b+c+d del
suceso ser chica.
- Aplica la regla de Laplace en cada una de las probabilidades
(procedimiento).
- Supone independencia a la hora de calcular la probabilidad de la
interseccin.
- Conflicto al suponer que los sucesos ser chica y que le guste el tenis son
independientes.

C5. Confusin de frmulas de clculo
Un tipo de confusin muy frecuente es la confusin entre procedimientos. El
estudiante identifica la probabilidad que se pide calcular, pero, en lugar de asignar a esta
probabilidad una frmula correcta (un procedimiento adecuado de clculo) asigna una
incorrecta. Describimos a continuacin los casos encontrados.

C.5.1. Calcula ( ) ( ) ( ) / . P A B P A B P B A = Estos alumnos son aquellos que a la
hora de calcular la probabilidad conjunta utilizan un mal desarrollo de la
descomposicin de la probabilidad condicional, sustituyendo la probabilidad simple de
A por la probabilidad compuesta. Reproducimos a continuacin un ejemplo que
analizamos en la Tabla 3.5.13. Conjeturamos que el alumno recuerda vagamente la
frmula de clculo de la probabilidad compuesta en caso de sucesos dependientes (en
este ejemplo los sucesos A y B lo son). Dicha frmula, correctamente aplicada sera
P(AB) = P(A) P(B/A). El conflicto aparece porque, en lugar de usar P(A) como primer
trmino de la frmula utiliza P(AB), debido a una restriccin incorrecta del espacio
muestral en la probabilidad P(A).

200200 400
( )
700250 175000
P B = =
(alumno 87).

Evaluacin de conocimientos de futuros profesores de educacin primaria

109

Tabla 3.5.13. Anlisis semitico de la respuesta C5.1.
Expresin Contenido
200200 400
( )
700250 175000
P B = =

- Usa las ideas de experimento aleatorio, caso favorable y posible
(conceptos).
- Usa una notacin incorrecta, pues expresa como probabilidad simple
una probabilidad compuesta.
- Identifica correctamente que los sucesos A y B son dependientes
(particularizacin correcta de una propiedad) y trata de aplicar la regla
del producto para sucesos dependientes.
- Identifica la probabilidad pedida (proceso de interpretacin)
particularizando al ejemplo.
- Identifica los casos posibles a+b+c+d del suceso gustar el tenis y ser
chica, pero tiene un conflicto al identificar los favorables (conceptos y
procedimientos).
- Identifica los casos favorables b y los casos posibles b+d del suceso
gustar el tenis siendo chica, es decir, para el clculo de la probabilidad
condicional.
- Aplica la regla de Laplace en cada una de las probabilidades
(procedimiento).
- Multiplica las probabilidades.
- Conflicto a la hora de utilizar la descomposicin de la probabilidad
conjunta como producto de la simple por la condicionada, el alumno
conoce el procedimiento pero erra en los elementos ya que confunde
la probabilidad simple por la compuesta.

C.5.2. Calcula ) ( / ) ( ) ( B A N B A N B A P = . Estos alumnos calculan la
probabilidad conjunta dividiendo los casos favorables entre los que no lo son, como el
ejemplo que reproducimos a continuacin y analizamos en la Tabla 3.5.14. El alumno
identifica correctamente la pregunta del problema y usa la notacin adecuada a la
probabilidad producto. Tambin identifica correctamente los casos favorables, pero en
lugar de dividir por los posibles, usa los desfavorables. Esto indica un aprendizaje
memorstico de la regla de Laplace sin comprender su significado.

200
( )
400
casos favorables de A
P A B
casos favorables de A
= =
(alumno 54).

Tabla 3.5.14. Anlisis semitico de la respuesta C5.2.
Expresin Contenido
200
( )
400
casos favorables de A
P A B
casos favorables de A
= =

- Usa las ideas de experimento aleatorio, caso favorable y
posible (conceptos).
- Identifica la probabilidad pedida (proceso de
interpretacin) particularizando al ejemplo.
- Aplica una notacin correcta de la probabilidad producto
(proceso de representacin).
- Identifica los casos favorables al suceso producto b.
- Conflicto al identificar los casos posibles del suceso
gustar el tenis y ser chica. En su lugar Toma como tales
los elementos complementarios a los favorables a. (casos
desfavorables).
- Aplica la regla de Laplace en cada una de las
probabilidades (procedimiento).
Captulo 3

110

C.5.3. Calcular ) / ( ) ( ) ( B A P A P B A P = . El alumno recuerda que la
interseccin es el producto de la probabilidad simple de un suceso por la condicional,
pero confunde los trminos de la probabilidad condicional en la frmula. En el apartado
segundo, que reproducimos a continuacin y se analiza en la Tabla 3.5.15, aparece el
siguiente ejemplo:
La probabilidad de que sea chica y le guste el tenis es:
250200 5
( ) ( ) ( / )
700600 42
P B P Chica P chica gustatenis = = =
(alumno 93).

Tabla 3.5.15. Anlisis semitico de la respuesta C5.3.
Expresin Contenido
La probabilidad de que sea chica y le
guste el tenis es
250200 5
( ) ( ) ( / )
700600 42
P B P Chica P chica gustatenis = = =


- Usa las ideas de experimento aleatorio, caso favorable y
posible (conceptos).
- Identifica la probabilidad pedida (proceso de
interpretacin) particularizando al ejemplo.
- Recuerda y trata de aplicar la regla del producto para
sucesos dependientes; identifica correctamente que los
sucesos son dependientes (propiedades y
procedimientos).
- Identifica los casos favorables b y los casos posibles a+b
del suceso ser chica gustndole el tenis.
- Identifica los casos favorables b+d y los casos posibles
a+b+c+d del suceso ser chica.
- Aplica la regla de Laplace en cada una de las
probabilidades (procedimiento).
- Conflicto al confundir una probabilidad condicional y su
transpuesta.

C.5.4. Calcular ) / ( ) ( ) ( B A P A P B A P = y suponer que el porcentaje de
chicos y chicas es 1/2. El alumno no lee los datos de la tabla sobre la proporcin de
chicos y chicas. Una vez calculada la probabilidad producto, la multiplica por la
proporcin supuesta de chicas (1/2) sin darse cuenta que en esta probabilidad producto
ya se tiene en cuenta dicha proporcin. Un ejemplo, en que adems hay un uso
incorrecto e la simbologa matemtica, lo reproducimos a continuacin y analizamos en
la Tabla 3.5.16 se da en el segundo apartado:
La probabilidad de ser chica y le guste el tenis es (alumno 165).

Tabla 3.5.16. Anlisis semitico de la respuesta C5.4.
Expresin Contenido
La probabilidad de ser
chica y le guste el tenis
es

- Usa las ideas de experimento aleatorio, caso favorable y posible
(conceptos).
- Identifica la probabilidad pedida (proceso de interpretacin)
particularizando al ejemplo.
- Identifica los casos favorables b y los casos posibles a+b del suceso ser
chica gustndole el tenis.
Evaluacin de conocimientos de futuros profesores de educacin primaria

111

- Aplica la regla de Laplace en la probabilidad producto (procedimiento).
- Multiplica esta probabilidad por (proporcin supuesta de chicas) sin
darse cuenta que la proporcin no es esta y ya se ha tenido en cuenta en el
producto.
- Conflicto de notacin (unin por interseccin; adems, no puede aplicar
la unin al resultado numrico)

C.5.5. Calcula ) ( ) / ( ) ( B A P B A P B A P = , confundiendo la probabilidad
compuesta con la simple al utilizar la regla del producto. Error que reproducimos y
analizamos en la Tabla 3.5.17. A continuacin un ejemplo del segundo apartado, donde
el estudiante, trata de aplicar la regla del producto para el caso de sucesos dependientes:
En el colegio hay un total de 250 chicas por 700 alumnos, y a 200 de ellas les gusta el tenis. Por
lo tanto, si elegimos al azar uno de los alumnos, la probabilidad de que sea chica y le guste el
tenis es
200200 5
250700 49
=
(Alumno 183).

Tabla 3.5.17. Anlisis semitico de la respuesta C5.5.
Expresin Contenido
En el colegio hay un total de
250 chicas por 700 alumnos,
y a 200 de ellas les gusta el
tenis. Por lo tanto, si elegimos
al azar uno de los alumnos, la
probabilidad de que sea chica
y le guste el tenis es
200200 5
250700 49
=
- Usa las ideas de experimento aleatorio, caso favorable y posible
(conceptos).
- Identifica la probabilidad pedida (proceso de interpretacin)
particularizando al ejemplo.
- Identifica que se trata de sucesos dependientes, trata de aplicar la
regla del producto.
- Identifica los casos favorables b y los casos posibles b+d del suceso
gustar el tenis siendo chica.
- Identifica los casos favorables b y los casos posibles a+b+c+d del
suceso ser chica y le gusta el tenis.
- Aplica la regla de Laplace en cada una de las probabilidades
(procedimiento).
- Supone independencia y multiplica las probabilidades de ambos
sucesos.
- Conflicto al calcular la probabilidad conjunta como producto de la
probabilidad conjunta por la probabilidad condicionada de gustarte
el tenis siendo chica.

C.5.6. Calcula ) ( ) ( ) ( B A P A P B A P + = , es decir aplica la regla del
producto incorrectamente y suma en lugar de multiplicar. Esta confusin se reproduce a
continuacin, y se analiza en la Tabla 3.5.18. Un ejemplo del segundo apartado (alumno
171), que indica un aprendizaje memorstico de la regla del producto, sin comprensin
de su significado es el siguiente:
2,5/7+2/5=4,5/7 probabilidad de ser chica y adems le guste el tenis
7100
4,5x
La probabilidad es del 64,3 y representado en fracciones 4,5 nios de cada 7.


Captulo 3

112

Tabla 3.5.18. Anlisis semitico de la respuesta C5.6.
Expresin Contenido
2,5/7+2/5=4,5/7
probabilidad de ser chica y
adems le guste el tenis
7100
4,5x
La probabilidad es del 64,3 y
representado en fracciones
4,5 nios de cada 7

- Usa las ideas de experimento aleatorio, caso favorable y posible
(conceptos).
- Identifica la probabilidad pedida (proceso de interpretacin)
particularizando al ejemplo.
- Identifica los casos favorables b+d y los casos posibles a+b+c+d del
suceso ser chica.
- Identifica los casos favorables b y los casos posibles a+b+c+d del
suceso ser chica y le guste el tenis.
- Aplica la regla de Laplace en cada una de las probabilidades
(procedimiento).
- Utiliza la descomposicin de la probabilidad conjunta a partir de la
probabilidad condicionada y la simple.
- Suma las probabilidades simples y conjuntas para calcular la
probabilidad conjunta.
- Conflicto al confundir el operador de la descomposicin ya que suma
en vez de multiplicar.

C.5.7. Calcular ( ) ( ) ( ) / / P A B P A P B = . En este caso, el alumno recuerda que la
probabilidad condicional viene dada por un cociente, pero hay un conflicto consistente
en confundir el numerador de dicho cociente. En este ejemplo que reproducimos a
continuacin, y analizamos en la Tabla 3.5.19, el alumno a la hora de calcular la
probabilidad condicional divide la frecuencia marginal de ser chica entre la frecuencia
marginal de que le guste el tenis.
La probabilidad de que le guste el tenis sabiendo que es chica es 250/600.

Tabla 3.5.19. Anlisis semitico de la respuesta C5.7.
Expresin Contenido
La probabilidad de que
le guste el tenis sabiendo
que es chica es 250/600
- Usa las ideas de experimento aleatorio, caso favorable y posible
(conceptos).
- Identifica la probabilidad pedida (proceso de interpretacin)
particularizando al ejemplo.
- No identifica los casos favorables b, toma como casos favorables b+d, la
frecuencia marginal del suceso ser chica.
- No identifica los casos posibles a+b+c+d, toma como casos favorables
a+b, la frecuencia marginal del suceso ser gustar el tenis.
- Aplica la regla de Laplace en cada una de las probabilidades
(procedimiento).
- Conflicto al tomar como probabilidad conjunta el cociente entre las
frecuencias marginales de cada uno de los sucesos.

C.5.8. Calcula
) (
) (
) / (
B A N
B A N
B A P

=
, es decir confunde la probabilidad condicional
con el cociente entre el nmero de chicas a las que les gusta y no les gusta el tenis.
Indica una comprensin incompleta, tanto del concepto de probabilidad condicional,
como de la regla de Laplace y una restriccin incorrecta del espacio muestral.
Evaluacin de conocimientos de futuros profesores de educacin primaria

113

Reproducimos a continuacin y analizamos en la Tabla 3.5.20 un ejemplo del tercer
apartado:
La probabilidad de que le guste el tenis siendo chica es 200/400 (alumno 76).

Tabla 3.5.20. Anlisis semitico de la respuesta C5.8.
Expresin Contenido
La probabilidad
de que le guste el
tenis siendo chica
es 200/400
- Usa las ideas de experimento aleatorio, caso favorable y posible (conceptos).
- Identifica la probabilidad pedida (proceso de interpretacin) particularizando al
ejemplo.
- Identifica los casos favorables b.
- Conflicto al identificar los casos posibles, tomando la frecuencia de los que no
le gusta el tenis y son chicos.
- Aplica la regla de Laplace en cada una de las probabilidades (procedimiento).
- Conflicto al tomar como probabilidad condicionada el cociente entre las chicas
que les gusta el tenis y los chicos que les gusta el tenis, debido a confusin
entre casos posibles y desfavorables.

C.5.9. Calcula la probabilidad de un suceso ms el de su complementario
obteniendo la unidad. Esta respuesta indica por un lado, incomprensin del concepto de
probabilidad y sus propiedades, pues la probabilidad de una parte del espacio muestral
no puede ser igual a la unidad. Y por otro lado, tampoco se comprende el segundo
axioma, pues la probabilidad de un suceso y su complementario siempre ser la unidad.
Reproducimos a continuacin (Tabla 3.5.21) un ejemplo del primer apartado:
La probabilidad de que le guste el tenis es (alumno 164).

Tabla 3.5.21. Anlisis semitico de la respuesta C5.9.
Expresin Contenido
La probabilidad
de que le guste el
tenis es


- Usa las ideas de experimento aleatorio, caso favorable y posible,
probabilidad (conceptos).
- Identifica la probabilidad pedida (proceso de interpretacin)
particularizando al ejemplo.
- Identifica los casos favorables y posibles como a+b.
- Conflicto al calcular la probabilidad simple como la suma de la
probabilidad condicionada de ser chico gustndole el tenis ms la de ser
chica gustndole el tenis; supone una aplicacin incorrecta de la
probabilidad total (propiedad y procedimiento)
- Identifica los casos favorables a cada una de las probabilidades
condicionales como a y b y los posibles como a+b.
- Aplica la regla de Laplace en cada una de las probabilidades
(procedimiento).

C.5.10. Otras frmulas sin sentido. En ocasiones la frmula no tiene sentido,
como el siguiente ejemplo del segundo apartado, que no analizamos al ser difcil
identificar el razonamiento: La probabilidad de que sea chica y le guste el tenis es 2/6-
4/5.
Captulo 3

114

C6. No finaliza el problema
Incluimos en este apartado los casos en que el alumno comienza el problema pero
no lo finaliza, lo cual puede deberse a varios motivos, que se describen en lo que sigue.

C.6.1. Interpreta bien los sucesos pero no calcula las probabilidades. En este
caso el alumno dibuja un diagrama de rbol con todas las soluciones posibles pero no
calcula ninguna probabilidad. Reproducimos a continuacin, y analizamos en la Tabla
3.5.22, un ejemplo del primer apartado, donde debido a una incorrecta construccin del
diagrama en rbol, el estudiante no llega a finalizar el problema. El problema surge
porque la primera divisin en ramas del rbol no constituye una particin del espacio
muestral (alumno 16).





Tabla 3.5.22. Anlisis semitico de la respuesta C6.1.
Expresin Contenido

- Usa las ideas de experimento aleatorio, suceso (conceptos).
- Identifica los sucesos en el enunciado (particulariza al
ejemplo).
- Calcula el nmero de casos favorables de los diferentes
sucesos: gustar el tenis, no le gusta el tenis y sexo de los
alumnos (conceptos y procedimiento).
- Conflicto al realizar una representacin incorrecta del
diagrama en rbol, separando las variables A y B en
diagramas diferentes, lo cual no es productivo para
encontrar la solucin; es decir, conflicto al realizar una
particin del espacio muestral.

C.6.2. No calcula las probabilidades sino que las compara con el 50%.
Reproducimos un ejemplo del primer apartado, en el que el estudiante, aparentemente
no recuerda la regla de Laplace, aunque parece leer al menos las frecuencias marginales
de la tabla. Lo analizamos en la Tabla 3.5.23:
La probabilidad de que le guste el tenis es ms de un 50% ya que el nmero total de los que le
gustan el tenis es mayor de los que no les gustan (alumno 64).
Evaluacin de conocimientos de futuros profesores de educacin primaria

115

Tabla 3.5.23. Anlisis semitico de la respuesta C6.2
Expresin Contenido
La probabilidad de que le
guste el tenis es ms de un
50% ya que el nmero total de
los que le gustan el tenis es
mayor de los que no les
gustan

- Usa las ideas de experimento aleatorio (conceptos).
- Identifica los sucesos (concepto y procedimiento).
- Compara los sucesos ser chica gustando el tenis y ser chico
gustando el tenis; lee las frecuencias marginales (procedimientos).
- Hay ms chicos que les gusta el tenis que chicas que les gusta el
tenis; resuelve que es ms probable que le guste a los chicos.
- No recuerda la definicin de probabilidad o bien no recuerda la
frmula de Laplace.

C.6.3. Incorrecta lectura de la tabla. En el ejemplo, que reproducimos a
continuacin, y analizamos en la Tabla 3.5.24, el alumno 174 calcula la frecuencia de
los que les gusta el tenis restando a los que les gustan los que no. Por tanto no es capaz
de alcanzar el nivel de extraccin de datos en la clasificacin de Curcio (1989).

( ) ( ) (600) (100) 500 P T P T P P = =


Por tanto la probabilidad de que le guste el tenis es de 500
700
;
500 alumnos de 700.

Tabla 3.5.24. Anlisis semitico de la respuesta C6.3.
Expresin Contenido
( ) ( ) P T P T =P(600)-P(100) =
500. La probabilidad de que le
guste el tenis es de 500
alumnos de 700


- Usa las ideas de experimento aleatorio y sucesos (conceptos)
- Identifica los sucesos.
- Conflicto en el clculo de la frecuencia absoluta de los que les gusta
el tenis. Recta a los que les gusta el tenis los 100 chicos que no les
gusta.
- Toma como casos favorables el resto anterior.
- Identifica como casos posibles a+b+c+d.
- Conflicto en la notacin, al aplicar la probabilidad al valor de la
frecuencia absoluta.
- Expresa la probabilidad como una razn; conflicto en la definicin de
probabilidad.

3.5.3. RESULTADOS EN EL CLCULO DE PROBABILIDAD SIMPLE

Una vez categorizadas las respuestas en este apartado, exponemos las soluciones
dadas por los futuros profesores a la tarea 1 en la Tabla 3.5.25. El 59% de los alumnos
proporciona respuestas correctas en este apartado, porcentaje que es bajo, dada la
simplicidad de la tarea y tratndose de futuros profesores. Daz y Estrada (2006)
obtienen 75% de respuestas correctas en un tem muy similar a este con 65 futuros
profesores de la Universidad de Lleida.
A pesar de la mayor facilidad del tem (en nuestro caso se evita la negacin en el
enunciado), los resultados son peores, lo que explicamos porque los estudiantes de Daz
y Estrada seguan un curso optativo de Didctica de la Estadstica. Por su parte Daz
Captulo 3

116

(2007) obtiene, en el mismo tem de Estrada, una proporcin de aciertos del 84% en 590
estudiantes de psicologa de cuatro universidades espaolas. Aunque en la muestra de
Daz (2007) la mitad estudiaron el tema, esto es una indicacin de la necesidad en
incidir ms en la formacin de los profesores, que con una enseanza adecuada pudieran
salir con una mejor preparacin de nuestras facultades.

Tabla 3.5.25. Soluciones dadas en la tarea 1
Soluciones dadas por los alumnos Frecuencia Porcentaje
Bsicamente
correcto
Responde correctamente 108 59,0
Plantea bien la formula pero tiene errores de clculo 1 0,5
Respuesta correcta sin escribir la formula 10 5,5
Expresin simblica incorrecta de la probabilidad 1 0,5
Confunde
probabilidades
Confunde probabilidad simple y condicional 1 0,5
Confunde probabilidad simple con probabilidad de
suceso elemental
7 3,9
Confunde
objetos
Confunde probabilidades con casos posibles
7 3,9
Obtencin de probabilidades mayores que la unidad 2 1,1
Confunde
frmulas
Calcula ) ( / ) ( ) ( B A N B A N B A P = 1 0,5
Calcula la probabilidad de un suceso ms el de su
complementario obteniendo la unidad.
2 1,1
Otros errores No calcula las probabilidades sino compara con el 50% 1 0,5
No finaliza el
problema
Interpreta bien los sucesos pero no calcula las
probabilidades
2 1,1
Incorrecta lectura de la tabla 1 0,6
Escribe un nmero sin sentido 5 2,7
No contesta 34 18,6
Total 183 100,0

La mayor frecuencia de errores en el clculo de la probabilidad simple se deben a
confusin de probabilidad con frecuencia absoluta, un error que, aunque con poca
frecuencia de aparicin, nos parece importante, dado que implica la no apreciacin de
los axiomas de probabilidad. Tambin encontramos el error de dar la probabilidad de un
elemento al azar de la poblacin, que indica que el estudiante es incapaz de leer la tabla
de doble entrada. Otros errores son dar la probabilidad mayor que la unidad, o errores
de clculo. Destacan tambin los casos en que el resultado es un nmero sin sentido y
en un caso tenemos una confusin de la probabilidad simple con una condicional.
Se resumen las respuestas en la Tabla 3.5.26, donde el 23% de los alumnos no
acaba el problema, el 65,6% lo hace casi correctamente y el resto tiene errores de varios
tipos. Tambin hemos estudiado el tipo de respuesta que daban los futuros profesores en
funcin de si la solucin estaba dada en porcentajes, fraccin, fraccin y porcentajes o
un decimal entre cero y uno.
Evaluacin de conocimientos de futuros profesores de educacin primaria

117

Tabla 3.5.26. Resumen de las respuestas de la tarea 1
Soluciones dadas por los alumnos Frecuencia Porcentaje
Bsicamente correctas 120 65,6
Confunde probabilidades 8 4,4
Confunde objetos 9 4,9
Confunde formulas 3 1,6
Otros errores 1 0,5
No finaliza el problema 42 23,0
Total 183 100,0

Como vemos en la Tabla 3.5.27 el 14,2% de los alumnos responden a la tarea de
probabilidad simple mediante un porcentaje. No queda claro si estos estudiantes han
interpretado el problema en forma probabilstica, aunque luego se podr ver en la
segunda parte cuando analizamos los objetos matemticos identificados por los futuros
profesores en el ejercicio. Slo 8 alumnos en toda la muestra utilizan decimales, lo que
indica la mayor dificultad de comprensin de este sistema numrico y la mayor
dificultad para interpretar la probabilidad como un nmero entre 0 y 1 en lugar de como
una fraccin. El resto usa fracciones o una combinacin de las anteriores notaciones.

Tabla 3.5.27. Formato tarea 1
Soluciones dadas por los alumnos Frecuencia Porcentaje
Contesta con un decimal entre 0 y 1 3 1,6
Porcentajes 26 14,2
Fraccin y % 38 20,8
Fraccin 67 36,6
Resuelve sin utilizar operaciones 10 5,5
Fraccin y decimal 4 2,2
Decimal y % 1 0,5
No contesta 34 18,6
Total 183 100,0


3.5.4. RESULTADOS EN EL CLCULO DE PROBABILIDAD CONJUNTA

En la Tabla 3.5.28 se presenta los resultados en el clculo de la probabilidad
conjunta. En este apartado el porcentaje de respuestas correctas no llega al 40% de la
muestra. Estrada y Daz (2007) obtienen un 52% de respuestas correctas, tambin
mucho menor que en la primera pregunta aunque mejores que los nuestros. Daz (2007)
obtiene 53% de respuestas correctas en alumnos de psicologa.

Captulo 3

118

Mayor variedad de errores aparecen en las respuestas, respecto al clculo de la
probabilidad simple, destacando la confusin de probabilidades condicionales y
conjuntas ya encontrado por Einhorn y Hogarth (1986) y Ojeda (1995) y Estrada y Daz
(2007). Agrupando los resultados, el 24,9% de los estudiantes confunde unas
probabilidades con otras. Aparece tambin un error no citado en la literatura consistente
en calcular la probabilidad de obtener un sujeto del total de la poblacin o bien con las
condiciones dadas (chica a la que gusta el tenis). Es decir, dividir la unidad por el
nmero de casos favorables para hallar la probabilidad, en lugar de aplicar la regla de
Laplace. Destacamos tambin que 10 estudiantes confunden probabilidad simple y
compuesta un error que no fue encontrado por Daz y de la Fuente (2007). Daz (2007)
no informa sobre la naturaleza de los errores en su muestra de estudiantes de psicologa.

Tabla 3.5.28. Soluciones dadas en la tarea 2
Soluciones dadas por los alumnos Frecuencia Porcentaje
Bsicamente
correctos
Responde correctamente 69 37,8
Respuesta correcta sin escribir la formula 5 2,8
Plantea bien la formula pero tiene errores de clculo 1 0,5
Confunde
probabilidades
Calcula 1- P(suceso contrario) y tiene error de clculo 2 1,1
Confunde probabilidad simple y condicional 1 0,5
Confunde probabilidad simple y compuesta 10 5,6
Confunde probabilidad condicional y compuesta 25 13,8
Confunde P(A/B) con P(B/A) 1 0,5
Confunde probabilidad simple con probabilidad de
suceso elemental
6 3,4
Confunde
objetos
Confunde probabilidades con casos posibles 5 2,8
Suponer independencia en los datos 3 1,7
Confunde unin e interseccin y asume
incompatibilidad
2 1,1
Confunde
sucesos
Confunde un suceso y su complementario,
correctamente la probabilidad pedida
2 1,1
Confunde
frmulas
Calcula
) (
) (
) / (
B A N
B A N
B A P

=

2 1,1
Calcula ) / ( ) ( ) ( B A P A P B A P =
1 0,5
Calcula ) ( ) / ( ) ( B A P B A P B A P =
1 0,5

Calcula ) ( ) ( ) ( B A P A P B A P + = 1 0,5
Calcula ) / ( ) ( ) ( B A P A P B A P = y supone que el
porcentaje de chicos y chicas es .
1 0,5
Frmula sin sentido 1 0,5
Otros errores Obtencin de probabilidades mayores que la unidad 3 1,7
No calcula las probabilidades sino compara con el 50% 1 0,5
No finaliza Escribe un nmero sin sentido 6 3,4
No contesta 33 18,1
Total 183 100,0



Evaluacin de conocimientos de futuros profesores de educacin primaria

119

Tabla 3.5.29. Resumen de las respuestas de la tarea 2
Soluciones dadas por los alumnos Frecuencia Porcentaje
Bsicamente correctos 75 41,1
Confunde probabilidades 46 24,9
Confunde objetos 10 5,6
Confunde sucesos 2 1,1
Confunde formulas 7 3,6
Otros errores 4 2,2
No finaliza el problema 39 21,5
Total 183 100,0

Los resultados resumidos en la Tabla 3.5.29 indican que un 21,5% de los
estudiantes no son capaces de finalizar el problema, un 25,1% confunde distintos tipos
de probabilidad, el 41,1% resuelve el problema y el resto hace otros errores, como
confundir objetos, frmulas o los sucesos del enunciado. Respecto al tipo de formato
que utilizan en la solucin (Tabla 3.5.30) observamos de nuevo el uso exclusivo de la
notacin porcentual en un 14% y el escaso uso de la notacin decimal. Slo cuatro
encuestados resolvieron el problema exponiendo el resultado como un decimal entre
cero y uno.
Tabla 3.5.30. Formato tarea 2
Soluciones dadas por los alumnos Frecuencia Porcentaje
Contesta con un decimal entre 0 y 1 4 2,2
Porcentajes 26 14,2
Fraccin y porcentajes 35 19,1
Fraccin 68 37,2
Resuelve sin utilizar operaciones 12 6,6
Fraccin y decimal 3 1,6
Decimal y porcentajes 1 0,5
No contesta 34 18,6
Total 183 100,0



3.5.5. RESULTADOS EN EL CLCULO DE PROBABILIDAD CONDICIONAL

Finalmente presentamos las respuestas en el clculo de probabilidad condicional
(Tabla 3.5.34), con un porcentaje de respuestas correctas similar al del segundo
apartado y de nuevo inferior al obtenido por Daz y Estrada (2006) quienes obtuvieron
un 56% de respuestas correctas. Daz obtiene un 52% de respuestas correctas en
estudiantes de psicologa. La principal confusin en este apartado se produce de nuevo
entre probabilidad condicional y compuesta, coincidiendo con Einhorn y Hogarth
(1986) y Ojeda (1995) y Estrada y Daz (2007). Encontramos de nuevo algunos
Captulo 3

120

alumnos que confunden, la probabilidad pedida con probabilidad del suceso elemental,
error que como hemos indicado no se ha descrito anteriormente. Aparecen diversos
errores producidos al intentar aplicar las frmulas directamente sin una comprensin
adecuada de las mismas.
Los resultados se resumen en la Tabla 3.5.35, donde vemos que la cuarta parte de
los estudiantes no es capaz de abordar este problema a pesar de su sencillez, el 16%
confunde diversos tipos de probabilidad, y se producen con menor frecuencia otros
errores, como confusin de probabilidad y casos posibles o confusin de sucesos.

Tabla 3.5.34. Soluciones dadas en la tarea 3
Soluciones dadas por los alumnos Frecuencia Porcentaje
Bsicamente
correctas
Responde correctamente 77 42,1
Plantea bien la formula pero tiene errores de clculo 3 1,6
Confunde
probabilidades
Confunde probabilidad simple y condicional 2 1,1
Confunde probabilidad condicional y compuesta 14 7,7
Confunde P(A/B) con P(B/A) 9 4,9
Confunde probabilidad simple, con probabilidad de
suceso elemental
5 2,8
Confunde sucesos Confusin de un suceso y su complementario, calculando
correctamente la probabilidad pedida
2 1,1
Confunde objetos Confunde probabilidades con casos posibles 4 2,1
Confunde unin e interseccin, asumiendo
incompatibilidad
1 0,5
Confunde frmulas Calcula P(A/B)= P(A)/P(B) 5 2,8
Calcula
) (
) (
) / (
B A N
B A N
B A P

=

1 0,5

Calcula
) (
) (
) (
B A N
B A N
B A P

=

2 1,1
Otros errores Obtencin de probabilidades mayores que la unidad 2 1,1
No calcula las probabilidades sino compara con el 50% 1 0,5
contesta bien pero error en formula 1 0,5
Resultado numrico correcto y formula sin sentido 1 0,5
Escribe un numero sin sentido 6 3,4
No finaliza el
problema
Contesta bien pero no escribe la formula 4 2,2
no contesta 43 23,5
Total 183 100,0

Tabla 3.5.35. Resumen de las respuestas de la tarea 3
Soluciones dadas por los alumnos Frecuencia Porcentaje
Bsicamente correctos 80 43,7
Confunde probabilidades 30 16,5
Confunde objetos 5 2,6
Confunde sucesos 2 1,1
Confunde formulas 8 4,4
Otros errores 11 6,0
No finaliza el problema 47 25,7
Total 183 100,0
Evaluacin de conocimientos de futuros profesores de educacin primaria

121

En la Tabla 3.5.36 se analiza la forma representar la solucin que utilizan: slo
siete estudiantes usan en sus resultados nmeros decimales.

Tabla 3.5.36. Formato tarea 3
Soluciones dadas por los alumnos Frecuencia Porcentaje
Contesta con un decimal entre 0 y 1 2 1,1
Porcentajes 23 12,6
Fraccin y porcentaje 38 20,8
Fraccin 62 33,9
Resuelve sin utilizar operaciones 9 4,9
Fraccin y decimal 4 2,2
Decimal y porcentaje 1 0,5
No contesta 44 24,0
Total 183 100,0


3.5.6. RESUMEN DE RESPUESTAS

En la Tabla 3.5.37 hemos clasificado estos errores por los diferentes conflictos
semiticos involucrados en las tareas pedidas. Las frecuencias corresponden a la suma
de los conflictos identificados en el total de las cuatro tareas propuestas, teniendo
tambin en cuenta que, a veces, una respuesta conlleva ms de un conflicto semitico.
Por ejemplo, cuando en el clculo de la probabilidad condicional P(B/A) el alumno da
como respuesta la probabilidad conjunta ( ) P A B , un primer conflicto es confundir el
condicionamiento con interseccin, y un segundo confundir un suceso con su
complementario. Al dividir el total de conflictos entre el nmero de estudiantes
encontramos una media de 1,7 conflictos por estudiante en las tres tareas, es decir, en
promedio, cada estudiante encuentra un conflicto en la mitad de las tareas propuestas.

Tabla 3.5.37. Frecuencia de tipos de conflictos semiticos identificados
n=155
Confunde una probabilidad condicional y su inversa 45
Confunde probabilidad condicional y conjunta 77
Confunden un suceso y su complementario 23
Supone independencia 3
Confunde probabilidad simple con condicional o conjunta 11
Confunde unin e interseccin 4
Probabilidad mayor que 1 18
Calcula casos posibles 15
Confunde la frmula de la probabilidad condicional con P(A)/ P(B) 5
Errores clculo o no identifica datos 30
No responde 45
Total conflictos en las cuatro tareas y total de muestra 262

Captulo 3

122

Observamos que los errores consistentes en confundir una probabilidad
condicional con una conjunta o confundir una probabilidad condicional con su inversa,
citados en las investigaciones anteriores, son los ms frecuentes, pero aun as, no
explican por si mismos los altos porcentajes de errores (cercanos al 40%) en las tareas
de clculo de probabilidad condicional y compuesta. Hay un nmero apreciable de
conflictos consistentes en confundir un suceso con su complementario y otros donde,
aunque da correctamente la frmula de clculo, hay errores de clculo, o no son capaces
de identificar los datos en el enunciado. Con menor frecuencia se presentan otros
conflictos referidos a la confusin de frecuencia y probabilidad o invertir la frmula de
clculo de probabilidades, obteniendo valores mayores que uno. Finalmente algunos
estudiantes no son capaces de dar una respuesta.

Tabla 3.5.38. Resumen de las soluciones dadas por los futuros profesores
( ) P A

( ) P A B

( / ) P A B

Soluciones dadas por los alumnos Frec. % Frec. % Frec. %
Bsicamente correctos 120 65,5 75 41,1 80 43,7
Confunde probabilidades 8 4,4 46 24,9 30 16,4
Confunde objetos 9 4,9 10 5,6 5 2,6
Confunde sucesos 0 0 2 1,1 2 1,1
Confunde formulas 3 1,6 7 3,6 8 4,4
Otros errores 1 0,6 4 2,2 11 5,9
No finaliza el problema 42 23,0 39 21,5 47 25,9
Total 183 100,0 183 100,0 183 100,0

Para comparar ms fcilmente los tres apartados, en la Tabla 3.5.38 se presentan
un resumen conjunto. Como se observa el porcentaje de respuestas bsicamente
correctas, en el caso de probabilidad simple, es superior que el de las otras
probabilidades pedidas, en un 24,6 % y un 21,8% respectivamente. El porcentaje de los
que no finalizan es parecido, algo mayor en la probabilidad condicional. Es en este caso
donde hay mayor confusin sobre la probabilidad pedida.

3.6. CONOCIMIENTO ESPECIALIZADO DEL CONTENIDO

3.6.1. INTRODUCCIN

En la segunda parte del tem se pregunta por los objetos matemticos utilizados
para resolver los problemas propuestos de la primera parte, diferencindolos en
Evaluacin de conocimientos de futuros profesores de educacin primaria

123

problemas, lenguaje, conceptos, propiedades, procedimientos y argumentos. En el
apartado 3.4.1 se realiz un anlisis semitico de los objetos y procesos matemticos
implcitos en las soluciones correctas a cada uno de los tres apartados de la primera
parte de la tarea (clculo de la probabilidad simple, compuesta y condicional).

Tabla 3.6.1. Objetos matemticos implcitos en la actividad planteada
Tipos Objetos matemticos en la
situacin
Significado en la situacin
Situaciones-
problemas
- Calcular una probabilidad
simple
- Cul es la probabilidad de que sea chica?
- Calcular una probabilidad
compuesta
- Cul es la probabilidad de que sea chica y que le
guste el tenis?
- Calcular una probabilidad
condicional
- Sabiendo que el alumno es una chica, cul es la
probabilidad de que le guste el tenis?
- Formar el espacio muestral

- Calcular el conjunto de resultados posibles para la
variable aleatoria y sus restricciones
Lenguaje - Verbal - Explicacin de la situacin
- Simblico - Smbolos que representan los sucesos y resultados
- Tabla - Situacin espacial de los sucesos
- Grfico - Representacin icnica del juego
Conceptos - Probabilidad simple - Proporcin de casos favorables y posibles
- Probabilidad compuesta - Proporcin de ocurrencia dos o ms sucesos
simultneos respecto a los posibles
- Probabilidad condicional - Proporcin de ocurrencia suceso respecto a la
ocurrencia de otro
- Experimento aleatorio - Experimento que bajo las mismas condiciones
iniciales, puede presentar resultados diferentes
- Espacio muestral - Conjunto de todos los posibles resultados individuales
de un experimento aleatorio
- Suceso - Subconjunto de un espacio muestral, es decir, un
conjunto de posibles resultados que se pueden dar en
un experimento aleatorio
- Suceso simple - Subconjunto unitario del espacio muestral
- Suceso compuesto - Sucesos que engloban ms de un elemento del espacio
muestral
- Casos favorables - Nmero de sucesos que cumplen cierta condicin
- Casos posibles - Total de elementos del espacio muestral
- Fraccin - Expresin de una cantidad dividida entre otra
- Razn - Relacin entre dos nmeros semejantes
- Proporcin - Igualdad entre dos razones
Propiedades - La probabilidad est
comprendida entre 0 y 1
- El cociente de un nmero menor positivo entre otro
mayor positivo es un nmero entre 0 y 1
- Probabilidad del suceso
contrario
- Probabilidad del espacio muestral menos la del suceso
- Restriccin del espacio
muestral en la probabilidad
condicional
- Para el clculo de la probabilidad condicional el
espacio muestral queda reducido a los sucesos que
cumplen la condicin
- Proporcionalidad - Igualdad de razones
Procedimientos - Operaciones aritmticas - Suma, recta, multiplicacin y divisin
- Clculo con fracciones - Divisin entre casos posibles y favorables
- Interpretar una tabla - Sacar conclusiones de los datos
Argumentos - Argumentos deductivos - Demostracin de la solucin

Captulo 3

124

Un resumen de los objetos matemticos identificados en dicho anlisis semitico
se presenta en la Tabla 3.6.1. Los estudiantes haban recibido enseanza, tanto sobre los
tipos de objetos, como de los procesos matemticos implicados, aunque en la pregunta
slo se les pidi describir y clasificar los objetos. Ms concretamente, dentro del primer
tema de la asignatura Currculo de matemticas en educacin primaria, en la que se
pas el cuestionario como parte de la evaluacin final, se haba incluido los temas
Tipos de objetos que intervienen en la actividad matemtica y Procesos
matemticos, como parte de la unidad primera: Perspectiva educativa de las
matemticas.
Adems de haberse dedicado una sesin terica al tema, y haber proporcionado al
estudiante, tanto material escrito como transparencias resumen del tema, se realizaron
algunas prcticas similares a este ejercicio, en las que el estudiante primeramente tena
que resolver uno o varios problemas matemticos y posteriormente realizar un listado y
clasificacin de los objetos matemticos usados (adems de otras actividades, como
describir las estrategias usadas en la resolucin de los problemas). La diferencia entre
las actividades realizadas en clase respecto a la actual fue el contenido matemtico (se
resolvieron problemas aritmticos y algebraicos). No obstante, tambin se realiz una
prctica sobre probabilidad, en la que los estudiantes primero resolvieron, ellos mismos,
una serie de preguntas de probabilidad tomadas de test de Green (1983). Posteriormente
se realiz un anlisis didctico de algunas de estas preguntas, evaluando respuestas al
tem de alumnos ficticios. Para las respuestas correctas se les pidi identificar el
contenido matemtico del tem; para las incorrectas los posibles conflictos que causaban
los errores de los estudiantes y sugerir actividades para ayudar a superarlos.
Mediante esta pregunta, siguiendo el modelo de Godino (2009), se evalan
algunos conocimientos especializados del contenido. Segn Hill, Ball, y Schilling
(2008) este es un conocimiento que va ms all del comn e implica que los profesores
sean capaces de ensear dicho contenido. Sera un conocimiento especfico del profesor
que algunos sujetos adultos no tienen. Incluye, segn los autores, la habilidad para
analizar errores y evaluar ideas alternativas, dar explicaciones matemticas y usar
representaciones matemticas, as como ser explcito acerca del lenguaje y la prctica
matemtica.
La preguntas propuesta es considerada por Godino (2009) pertinente para
evaluar partes de este tipo de conocimiento, aunque, por supuesto, hay otras tareas
Evaluacin de conocimientos de futuros profesores de educacin primaria

125

posibles. El autor indica que responder a la misma supone pensar de manera sistemtica
en los diferentes procedimientos posibles de resolucin, modalidades de expresin,
conceptos y propiedades que se ponen en juego con distintos grados de formalidad en su
formulacin, as como pensar en las maneras de argumentar o justificar los
procedimientos y propiedades empleadas.
Recogidos los protocolos se realiz un anlisis cualitativo de las respuestas,
anotando, cada tipo de objeto matemtico (situaciones, lenguaje, conceptos,
propiedades, argumentos, procedimientos), clasificando las respuestas en correctas e
incorrectas dependiendo de si el objeto citado aparece o no implcitamente en los
problemas planteados. Se codificaron el nmero de objetos correcta e incorrectamente
identificados en la tarea por cada estudiante. Seguidamente se procedi a realizar un
anlisis estadstico descriptivo de estas variables. En la Tabla 3.6.2 se presenta en
primer lugar el porcentaje de estudiantes que al menos cita un objeto en cada categora.

Tabla 3.6.2. Porcentaje de respuestas y no respuesta, Identificacin de objetos matemticos






Figura 3.6.1 Respuesta a la identificacin de objetos matemticos


Respuesta a las cuestiones de la tarea
Responde (%) No responde (%)
Situacin/problema 105 (57,4) 78 (42,6)
Lenguaje 118 (64,5) 65 (35,5)
Concepto 145 (79,2) 38 (20,8)
Procedimiento 114 (62,3) 69 (37,7)
Propiedad 77 (42,1) 106 (57,9)
Argumento 85 (46,5) 98 (53,5)
Captulo 3

126

Observamos un alto porcentaje de respuestas en blanco, a pesar de que podemos
suponer que el alumno hizo la tarea con inters, al ser parte de su evaluacin final. Estos
resultados indican que los futuros profesores tienen dificultad en analizar el contenido
matemtico de una tarea y no han comprendido la diferencia entre los diferentes tipos de
objetos matemticos. El mayor porcentaje de respuestas est relacionado con los
conceptos, objeto que parece ms fcil de diferenciar a los estudiantes, seguido del
lenguaje, procedimientos, problemas, argumentos y propiedades. Estos datos se
visualizan mejor en la Figura 3.6.1.
A continuacin estudiamos los objetos correcta e incorrectamente reconocidos por
los futuros profesores y haremos una clasificacin de los errores cometidos.

3.6.2. SITUACIONES O PROBLEMAS

Los alumnos haban estudiado que la perspectiva histrica muestra claramente que
las matemticas son un conjunto de conocimientos en evolucin continua y que en dicha
evolucin desempea a menudo un papel de primer orden la necesidad de resolver
determinados problemas prcticos (o internos a las propias matemticas). Se
organizaron con ellos discusiones y actividades prcticas sobre el papel de la resolucin
de problemas en la matemtica y en el aprendizaje de esta materia. Tambin se les haba
indicado que, a nivel escolar, se consideraba como problema-situacin, tanto los
problemas, como los ejercicios propuestos a los estudiantes.

Tabla 3.6.3. Respuestas al objeto matemtico situacin/problema




En la Tabla 3.6.3 se clasifican las respuestas segn se identifica correcta o
incorrectamente la situacin o problema. El objeto matemtico situacin o problema
presenta dificultades a la hora de ser interpretado por los futuros profesores de primaria
ya que apenas un 57,4% de ellos respondi la pregunta, por lo que hemos de suponer
que el resto ni siquiera recordaba a qu nos referamos con el trmino problema. De
los que respondieron, el 84.8% dio al menos un ejemplo correcto, es decir fue capaz de
Responde (%) No responde (%)
Total 105 (57,4) 78 (43,6)
Correcto 89 (84,8)
Incorrecto 29 (15,2)
Evaluacin de conocimientos de futuros profesores de educacin primaria

127

identificar al menos un problema matemtico en la tarea propuesta; pero otro 15,2%
proporcion respuestas errneas, es decir, identific objetos que no correspondan a
problemas matemticos en la tarea. A continuacin realizamos un anlisis ms detallado
de las soluciones aportadas por los futuros profesores, clasificndolas en correctas o
incorrectas, poniendo un ejemplo de cada una y analizando las razones por las cules
consideramos la respuesta correcta o no.

Respuestas correctas
La mayora de los participantes que proporcionaron respuesta en este apartado
identificaron correctamente que en el enunciado se propona un problema de clculo de
probabilidades, aunque en la mayora de los casos no se indica si se trata de
probabilidad simple, compuesta o condicional. Este sera un ejemplo de respuesta: Los
problemas que se trabajan en este ejercicio son los de probabilidad. Es decir, el nivel
de anlisis se mantiene muy incipiente.
En algunos casos, se aclara que el enunciado contiene tres problemas
diferenciados de probabilidades, aunque no se indica el tipo de probabilidad que se pide
calcular, como el siguiente: Se pretendan tres problemas: Cul es la probabilidad de
que le guste el tenis? De que sea chica y adems le guste el tenis? y la probabilidad de
que siendo chica le guste el tenis. Observamos que el estudiante se limita a reproducir
el enunciado del problema. Pero, al menos, ha sido capaz de diferenciar que se plantean
tres problemas.
Otros alumnos especifican cules son los datos y las preguntas del problema, por
ejemplo: El problema presenta a unos alumnos (700), divididos entre chicos (450) y
chicas (250) y dentro de estas divisiones se subdivide en si les gusta el tenis. Se
pregunta por la probabilidad de que a un alumno le guste el tenis, que sea chica y le
guste el tenis y que sabiendo que es chica le guste el tenis. Es decir, adems de aludir
al problema, se identifican los datos dados y la pregunta propuesta en el mismo. El nivel
de anlisis de los problemas es similar en todas las respuestas, mantenindose ste nivel
muy incipiente, sin profundizar en el tipo de problema y mostrando un conocimiento
especializado del contenido escaso para el campo de la probabilidad.



Captulo 3

128

Respuestas incorrectas
Entre las situaciones o problemas identificados hemos considerado incorrectos
aquellos en que los alumnos responden vagamente, sin indicar qu contenido
matemtico se trabaj, por ejemplo: A partir de los resultados obtenidos por azar,
responder a las siguiente preguntas que aparecen debajo de los datos. El estudiante
identifica que se trata de un problema simplemente porque contiene datos y preguntas.
Aunque esto ya indica un cierto conocimiento especializado del contenido (pues
muestra que conoce los componentes que ha de tener un problema planteado a los
alumnos), este conocimiento especializado no relaciona el problema con el campo de la
probabilidad.
Entre las respuestas incorrectas tambin hemos encontrado alumnos que
diferencian tres problemas en el enunciado El tema es un problema que encierra tres
apartados, cada uno de los cules es un problema en s. Como en el caso anterior, el
estudiante se fija en las caractersticas tpicas de un problema, pero no profundiza en su
anlisis.
Algunos estudiantes confunden el enunciado del problema, con el problema en s
mismo, por ejemplo: El enunciado propuesto y la tabla de datos. Es posible que la
escasa capacidad de comunicacin escrita de alguno de los estudiantes lleve a este tipo
de respuestas. Otros futuros profesores confunden el problema con la estrategia de
resolucin: Realizar grficos; adems en este caso particular, la resolucin de los
problemas propuestos no requiere la realizacin de grficos, por lo que es posible que
este estudiante considere la tabla doble como un grfico.
Hemos considerado incorrectos algunos estudiantes que indican que Es un
problema de estadstica, porque posteriormente en el anlisis del resto de objetos se
proponen contenidos estadsticos y no probabilsticos; por ejemplo, se proponen como
conceptos la media o la varianza, que no se requieren para resolver el problema
planteado. Finalmente aparecen algunas respuestas no relacionadas con la matemtica:
Un problema que se le suele plantear en su vida. En esta materia y ante una tarea que
repercute en la evaluacin final del alumno, algunos estudiantes que no han estudiado el
tema prefieren dar cualquier respuesta que le viene a la cabeza antes que dejar la
pregunta en blanco, con la expectativa de acertar con la misma.


Evaluacin de conocimientos de futuros profesores de educacin primaria

129

3.6.3. LENGUAJE

A los alumnos se les haba hablado del triple carcter de la matemtica: como
conjunto organizado de conceptos, como actividad y como lenguaje. Se les haba
mostrado mltiples ejemplos de lenguaje verbal, numrico, simblico, oral, escrito,
grfico, tabular e incluso icnico. Adems se discuti la doble funcin del lenguaje: (a)
representacional: nos permite designar objetos abstractos que no podemos percibir; y (b)
instrumental: como herramienta para hacer el trabajo matemtico. Esperbamos, por
tanto, que citaran algunos de estos tipos de lenguaje o funciones del lenguaje en forma
general, o bien ejemplos de estas categoras en el enunciado del problema.
En la Tabla 3.6.4, vemos que el objeto matemtico lenguaje presenta, al igual
que las situaciones, dificultades a la hora de ser interpretado por los futuros profesores
de primaria ya que apenas un 64,5% de ellos fue capaz de dar alguna respuesta a la
cuestin. Dentro de los que la dieron el 68.7% fue capaz de dar al menos un ejemplo
correcto de lenguaje utilizado en la tarea. A continuacin analizamos las respuestas
correctas e incorrectas en el apartado.

Tabla 3.6.4. Respuestas al objeto matemtico lenguaje




Respuestas correctas
Respecto a los tipos de lenguajes matemticos que se encuentran implcitos en la
tarea propuesta encontramos que los futuros profesores son capaces de identificar varios
tipos de lenguajes, y aadir ejemplos tales como: lenguaje verbal textual: palabras de
los enunciados, lenguaje matemtico: probabilidad, numrico: datos de la tabla,
visual: la tabla y simblico: en la resolucin al operar con el producto y la
divisin. Observamos que en algunos de los ejemplos la expresin verbal no es muy
alta, pero mejor que en el caso de los problemas; sirve de ejemplo el siguiente: Se trata
del lenguaje matemtico escrito en el que se trata la probabilidad.
La mayora de los futuros profesores son capaces de reconocer el lenguaje verbal
matemtico y la tabla de datos, como en las siguientes respuesta: El lenguaje que se
Responde (%) No responde (%)
Total 118 (64,5) 65 (35,5)
Correcto 81 (68,7)
Incorrecto 37 (32,3)
Captulo 3

130

utiliza es verbal matemtico, ya que nos da unos datos escritos. Pero tambin: El
problema se representa a travs de una tabla; Tabla en la que se representan los
resultados obtenidos y las expresiones matemticas utilizadas o Lenguaje
matemtico: cifras, tablas de frecuencias. El lenguaje simblico es tambin fcil de
reconocer para los estudiantes, algunos de ellos son capaces de expresar el tipo de
relaciones entre elementos e interpretarlas como en el ejemplo de la Figura 3.6.2.

Figura 3.6.2. Lenguajes correctamente interpretados

Tambin encontramos alumnos que describen las funciones del lenguaje
explicadas en la clase, aunque con poca capacidad de comunicacin escrita, por
ejemplo: En el lenguaje se utilizan tanto relacionales como instrumentales, ya que nos
imaginamos los objetos abstractos. Tambin instrumentales ya que se utiliza tablas o
Se utiliza un lenguaje simblico mediante el cual se representan unos datos que nos da
informacin y hace que la entendemos mejor. En algunos casos se incluyen ejemplos
aislados de nmeros como por ejemplo 400, 200,, o trminos matemtico
probabilidad, divisin, porcentaje, sin indicar que se considera lenguaje porque
representa un objeto matemtico.

Respuestas incorrectas
Hay alumnos que reconocen el lenguaje pero lo interpretan como si fuese el
problema, es decir confunden estos dos objetos matemticos, como en la respuesta:
Calcular la probabilidad, e incluso confunden el lenguaje con los datos Le gusta el
tenis, no le gusta el tenis, probabilidad de que a uno le guste el tenis, probabilidad de
que salga una chica y le guste el tenis y probabilidad de que a una chica le guste el
tenis o Interpretacin de las tablas y de los datos representados en ella o con
Evaluacin de conocimientos de futuros profesores de educacin primaria

131

elementos del problema tales como Chicos /chicas, total, cul es la probabilidad?,
gusto afirmativo o negativo, totalidad, resultados; El azar o Se realizan preguntas
referentes a estos datos. Los hemos considerado incorrectos porque, aunque se trata de
ejemplos de lenguaje verbal, no hacen referencia a que son ejemplos de este tipo de
lenguaje o de que estos trminos sirven para representar otros objetos matemticos.
La mayora de las respuestas incorrectas se deben a que los alumnos responden
con ideas generales, pero no aplican la categora lenguaje a la situacin analizada, por
ejemplo: El lenguaje ha de ser claro y sencillo o El lenguaje que se utiliza es un
lenguaje claro y conciso, para que el alumno no lo lleve a la confusin.

3.6.4. CONCEPTOS

Los estudiantes han estudiado durante el curso la diferencia entre comprensin
conceptual y procedimental y han analizado los contenidos conceptuales y
procedimentales del currculo. Asimismo, se les ha mostrado ejemplos y han realizado
actividades en las que deban identificar conceptos, entendiendo que un concepto es un
objeto matemtico para el que podemos dar una definicin.
El objeto matemtico concepto es el que presenta menos dificultades a la hora
de ser interpretado por los futuros profesores de primaria ya que el 79,2% de ellos
(como podemos ver en la Tabla 3.6.5) fue capaz de dar una respuesta a la cuestin de
identificar algn tipo de concepto implcito en el contenido. El aspecto ms significante
de que este objeto matemtico es ms fcil de interpretar es que casi el 89% de los que
contestaron fueron capaces de al menos contestar correctamente a alguno de los
conceptos que aparecen implcitos en la tarea. A continuacin analizamos las respuestas
correctas e incorrectas.

Tabla 3.6.5. Respuestas al objeto matemtico concepto






Responde (%) No responde (%)
Total 145 (79,2) 38 (20,8)
Correcto 129 (89)
Incorrecto 16 (11)
Captulo 3

132

Respuestas correctas
El objeto matemtico concepto es el ms reconocido por parte de los estudiantes
ya que estos objetos forman parte del vocabulario habitual de los alumnos y stos son
capaces de reconocerlos de forma ms precisa que el resto de objetos matemticos. Los
conceptos ms reconocidos son: azar, probabilidad, variables, porcentaje, divisin y
suma, los alumnos suelen dar varios ejemplos, como podemos ver en la Figura 3.6.3.
Otros conceptos reconocidos por los alumnos son: casos favorables, casos
posibles, aproximacin, producto, suceso favorable, suceso no favorable, nmeros
naturales, suma de nmeros enteros, divisin y multiplicacin de nmeros naturales y
tanto por ciento o Fracciones con igual o distinto denominador. No se hizo
referencia a la probabilidad compuesta o condicional.

Figura 3.6.3 Conceptos correctamente interpretados

Respuestas incorrectas
Tambin encontramos errores en la interpretacin de los conceptos, como algunos
alumnos que confunden conceptos con procedimientos, por ejemplo: Para realizar
estos problemas, los conceptos necesarios son saber construir tablas, colocar los datos
en su lugar, conocer los logaritmos o estrategias para resolver un caso probable o
tambin la respuestaRepresentacin tabular.
Como en los casos anteriores la expresin verbal de los estudiantes es muy pobre,
por lo que en algunos casos no es claro si se estn refiriendo al concepto o al
procedimiento asociado: Divisin para calcular la relacin entre los casos favorables
y posibles que nos ayuda a conocer las posibilidades que tengo entre 0 y 1;
Multiplicacin para pasar de conocer la probabilidad entre 0 y 1 a pasar a conocerla
Evaluacin de conocimientos de futuros profesores de educacin primaria

133

en porcentaje; Saber que la cantidad de numerador corresponde a los casos
favorables y la denominador a los casos posibles.
En otros casos se cita como concepto, la pregunta planteada en el problema:
Cul es la probabilidad de?. Algunos estudiantes como este, explicita conceptos
como dato o tabla, aunque no se refiere a ellos directamente: Los conceptos
trabajados son la representacin grfica de los datos en forma de tabla.
Hemos considerado tambin incorrectos los alumnos, que responden
correctamente conceptos, pero no estn relacionados con el problema tratado: Media,
mediana, desviacin tpica, moda. Otros errores que cometen los alumnos es confundir
los conceptos con los elementos descritos en el problema: Chico, chica, le gusta el
tenis, no le gusta, El nmero de chicas a las que si le gusta el tenis y a los que no,
Los conceptos son chicos y chicas que les gusta o no dicho deporte o Chicos, chicas,
total.

3.6.5. PROCEDIMIENTOS

Como se ha indicado, los estudiantes han estudiado la diferencia entre
comprensin conceptual y procedimental y han analizado los contenidos conceptuales y
procedimentales del currculo. Asimismo, se les ha mostrado ejemplos y han realizado
actividades en que deben identificar procedimientos, entendiendo por ellos formas de
actuar: operaciones, algoritmos, estrategias, etc.

Tabla 3.6.6. Respuestas al objeto matemtico procedimiento




El procedimiento tambin presenta dificultades al ser interpretado por los
futuros profesores de primaria, ya que apenas un 62,3% de ellos (Tabla 3.6.6) fue capaz
de dar una respuesta (correcta o incorrecta) a la cuestin de identificar algn tipo de
procedimiento implcito en el contenido de la tarea. De los alumnos que dieron una
respuesta, casi un 78,9% fue capaz de responder correctamente a alguno de los
Responde (%) No responde (%)
Total 114 (62,3) 69 (27,7)
Correcto 90 (78,9)
Incorrecto 24 (21,1)
Captulo 3

134

procedimientos, de lo que se puede interpretar que los alumnos que contestaban eran
aquellos que realmente estaban convencidos de reconocer el procedimiento en la tarea.

Respuestas correctas
Entre los procedimientos correctamente identificados se hace referencia a
procedimientos efectivamente empleados para calcular las soluciones. La mayora de las
respuestas hacen referencia al modo de calcular las probabilidades como por ejemplo:
Dividir casos posibles entre favorables y pasar de probabilidades a porcentajes en
este caso utiliza Lagrange para calcular la probabilidad. Tambin sehace referencia al
clculo de las probabilidades mediante tantos por ciento, o regla de tres: La recogida
de datos para el anlisis y la expresin de la probabilidad, ya sea en tanto por ciento o
en un nmero de cada 10, Regla de tres, Aplicacin de la regla de probabilidad,
Transformacin en porcentaje de la probabilidad multiplicando por 100.
Algunos estudiantes mencionan los procedimientos generales utilizados en la
sesin como interpretar los datos del problema: Realizacin de una tabla o
representacin grfica, divisin, multiplicacin, comparacin, pero la mayora de las
respuestas hacen referencia a procedimientos especficos tales como: Calculamos
mediante la suma el nmero total de chicos y chicas para ver el total de la poblacin,
Suma de los casos favorables (ver Figura 3.6.4).

Figura 3.6.4. Procedimientos correctamente interpretados


Respuestas incorrectas
En algunos casos se confunde el procedimiento con el problema: Calcular el
porcentaje de chicas respecto al total de los que les gusta el tenis de los que no o
directamente responden con la cuestin planteada: Calcular la probabilidad de que le
guste el tenis, calcular la probabilidad de que sea chica.
Pero tambin encontramos otros errores como confundir las soluciones con el
procedimiento: Las soluciones obtenidas, La probabilidad del alumno al azar que le
Evaluacin de conocimientos de futuros profesores de educacin primaria

135

guste el tenis es 6/7 o simplemente intentar definir el procedimiento de forma genrica:
Pasos realizados en el ejercicio para obtener la solucin correcta. Tambin aparecen
errores de confusin de los procedimientos con argumentos como en el siguiente
ejemplo: El problema se resuelve por induccin.

3.6.6. PROPIEDADES

Las propiedades se presentaron a los futuros profesores como relaciones entre dos
o ms conceptos. En las prcticas realizadas a lo largo de la asignatura se analizaron
propiedades utilizadas en la resolucin de problemas. Tambin al preparar su unidad
didctica se les pide especificar las propiedades que piensan ensear.
A pesar de todo este trabajo previo, el objeto matemtico propiedad es el que
presenta mayores dificultades para los futuros profesores de primaria ya que apenas un
42,1% de ellos (Tabla 3.6.7) fue capaz de identificar algn tipo de propiedad implcita
en el contenido de la tarea. Aparte del bajo porcentaje de respuestas, otro aspecto que
demuestra que los alumnos no son capaces de identificar propiedades en la tarea es que
el porcentaje que dio una respuesta correcta, dentro del grupo que respondieron, es de
alrededor de un 39%, es decir un 61% de los futuros profesores interpretaron mal las
propiedades que describan, lo que se puede interpretar que los alumnos que contestaban
no reconocen propiedades en la tarea.
Tabla 3.6.7. Respuestas al objeto matemtico propiedad




Respuestas correctas
Algunos de los alumnos identifican correctamente algunas propiedades
relacionadas con la probabilidad, aunque la mayora de ellas son generales y no estn
muy relacionadas con el tema de estudio, tales como: La probabilidad es mayor si a
igual denominador el numerador en mayor y al contrario, a igualdad de numeradores
es mayor el de menor denominador. Otros alumnos describen propiedades correctas
desde el punto de vista del proceso: La probabilidad de un suceso es siempre menor o
igual a 1 o La probabilidad es el nmero de casos favorables entre posibles.
Responde (%) No responde (%)
Total 77 (42,1) 106 (57,9)
Correcto 30 (39)
Incorrecto 47 (61)
Captulo 3

136

Figura 3.6.5. Propiedades correctamente interpretadas

Respuestas incorrectas
Entre las propiedades incorrectamente identificadas hemos encontrado alumnos
que confunden propiedad con proceso: Algoritmo de la divisin; n total de nias/n
total gusta el tenis, Suma de algoritmos de diferentes cantidades, Suma, resta,
divisin, Reduccin de un nmero, Calcular el porcentaje, divisin de nmeros
enteros o Sumar llevndose.
Incluso se confunde con algunos procedimientos mal descritos como por ejemplo:
Observar la tabla, interpretar la tabla, centrarnos en lo que nos pide, indicar
solucin. Otros alumnos confunden propiedades con conceptos: Muestra estadstica,
Probabilidad, variables, Fracciones, probabilidad. Pero los resultados ms
frecuentes son aquellos en los que los alumnos confunden el problema con las
propiedades: El resultado de una operacin, 0,86; 0,29 y 0,33: Probabilidad que
tengo de que me salga alguno de los sucesos, Calcular el resultado, Saber
identificar claramente los contenidos de la tabla para as poder realizar correctamente
el problema o Probabilidad de que le guste el tenis, de que sea chica y le guste el
tenis y de que siendo chica le guste el tenis.

3.6.7. ARGUMENTOS

En la enseanza recibida se estudiaron los tipos generales de razonamiento
matemtico: deductivo e inductivo, se habl de la importancia de la justificacin y se
analizaron ejemplos de justificaciones, adems de tener que identificar argumentos en
las prcticas ya citadas. No obstante, el objeto matemtico argumento presenta
muchas dificultades, junto a las propiedades, para los futuros profesores de primaria ya
que apenas un 46,4% de ellos (Tabla 3.6.8) fue capaz de identificar algn tipo de
argumento implcito en el contenido de la tarea. Al contrario que ocurra con las
propiedades una gran parte (61,2%,) de los que contestan lo hacen correctamente,.


Evaluacin de conocimientos de futuros profesores de educacin primaria

137

Tabla 3.6.8. Respuestas al objeto matemtico argumento




Respuestas correctas
Respecto a los argumentos correctamente identificados el citado con mayor
frecuencia fue el argumento Deductivo o como indica este ejemplo: Deductivo,
porque una vez que halamos resulto la suma de cantidades y hallado la probabilidad,
tenemos que dar una explicacin de por qu hemos sacado este resultado.
En una forma ms imprecisa se indicaron como argumentos: Demostracin de
cmo realizar y justificar el resultado Razonar matemticamente o A la hora de
responder no slo hay que dar la cifra sino tambin como ha llegado al resultado,
aclarando como se sabe los conceptos.

Figura 3.6.6. Argumentos correctamente interpretados

Respuestas incorrectas
En relacin a los argumentos incorrectos se mencionan algunos problemas, como
en las siguientes respuestas: Cul es la probabilidad? o Explicar porque la
probabilidad es esa.
Otros confunden procedimientos con argumentos, por ejemplo: Como tienen que
darse dos sucesos, las probabilidades se acumulan, la probabilidades de ser nia es la
proporcin de casos favorables (nias) entre los casos totales (nios y nias), Dos
fracciones con distinto denominador es mayor el de menor denominador, dos
fracciones con igual denominador es mayor el de numerador mayor. Otros alumnos
confunden argumentos con los resultados: Hay un 86% de posibilidades de que le
guste el tenis, un 29% de que le guste el tenis y sea chica y un 33% de que eligiendo
chica le guste el tenis o directamente intenta explicar el problema Te permite saber si
hay una probabilidad de que ocurra.

Responde (%) No responde (%)
Total 85 (46,4) 98 (53,6)
Correcto 52 (61,2)
Incorrecto 33 (38,8)
Captulo 3

138

3.6.8. SNTESIS DEL CONOCIMIENTO ESPECIALIZADO DEL CONTENIDO

En la Tabla 3.6.9 presentamos el nmero mnimo y mximo, media y desviacin
tpica de objetos matemticos correctamente identificados en cada categora. Respecto a
los correctamente identificados, los ms frecuentes han sido los conceptos, con un
promedio de al menos dos conceptos correctamente identificado por cada alumno,
seguido de los procedimientos.

Tabla 3.6.9 Objetos matemticos correctamente identificados en la tarea






Pensamos que este resultado es debido a que en otras materias se hace mucho
nfasis en lo conceptual y procedimental. Tambin el lenguaje ha resultado sencillo, en
comparacin con las propiedades y argumentos. No obstante los resultados en general
son pobres. Pensamos que una razn es que se dedica muy poco tiempo al estudio de la
probabilidad en el curso de Matemticas y su didctica y en consecuencia los
estudiantes tienen un escaso dominio del conocimiento comn del contenido (como ya
se vio en la primera parte del captulo). Ello incide en que su conocimiento
especializado del contenido sea asimismo muy escaso. La variabilidad entre estudiantes
es muy alta; podemos observar como hay estudiantes que son capaces de identificar
hasta 9 conceptos correctos y hasta 8 ejemplos de lenguaje o procedimientos correctos.

Tabla 3.6.10 Objetos matemticos correctamente identificados en la tarea

Si se tiene en cuenta slo los estudiantes que responden a cada tarea (Tabla
3.6.10), suben algo los valores medios. Sigue siendo el apartado conceptos donde se
Tipos Mnimo Mximo Media Desviacin tpica
Situaciones/ problemas 0 3 0,54 0,697
Lenguajes 0 8 1,37 1,911
Conceptos 0 9 2,22 2,012
Procedimientos 0 8 1,40 1,706
Propiedades 0 4 0,32 0,771
Argumentos 0 3 0,37 0,622
Tipos Responden (%) No responden (%) Media (De los que responden)
Situaciones/ problemas 89 (48,6) 94 (51,4) 1,28
Lenguajes 81 (44,3) 102 (55,7) 3,10
Conceptos 129 (70,5) 54 (29,5) 3,15
Procedimientos 90 (49,2) 93 (50,8) 2,85
Propiedades 30 (16,4) 153 (83,6) 1,95
Argumentos 52 (28,4) 131 (71,6) 1,30
Evaluacin de conocimientos de futuros profesores de educacin primaria

139

obtiene un mayor porcentaje de respuestas, indicando una mayor seguridad en este
contenido. Consecuentemente la media sube, dando 3 conceptos correctos en promedio,
en caso de responder. Donde mayor subida se observa es en el lenguaje, donde menos
de la mitad responde. Es decir, la mitad de alumnos no identifica ningn tipo de
lenguaje correcto en este apartado o bien la otra mitad menciona tres elementos
diferenciados. En el resto de objetos la media de respuestas correctas sube pero en
menor medida, por ejemplo en los procedimientos aumentan de 1,4 de media a 2,85.
Los problemas duplican su media al igual que los argumentos, si se toman slo las
respuestas.
Respecto a los objetos incorrectamente identificados, el nmero de errores en los
objetos identificados en cada categora es menor que el de respuestas correctas, aunque
si se tiene en cuenta slo las respuestas, todas las medias suben. El objeto con mayor
media de respuesta en este caso es el lenguaje con 2,61 de media seguido de los
conceptos con 2,53. Este con mayor tasa de respuesta que los lenguajes ya que el objeto
concepto es el que ms veces errneamente se responde, con un 70,5% de los alumnos
dando algn ejemplo errneo. Podemos ver los resultados completos en las Tablas
3.6.11 y 3.6.12.

Tabla 3.6.11. Objetos matemticos incorrectamente identificados en la tarea






Tabla 3.6.12. Objetos matemticos incorrectamente identificados en la tarea (Slo las respuestas)

En la Figura 3.6.7 podemos observar el comportamiento de las respuestas
correctas e incorrectas para cada tipo de objeto matemtico en referencia al nmero de
respuestas media. El comportamiento es similar para los objetos matemticos lenguaje,
conceptos, procedimientos y propiedades ya que el nmero de respuestas (con una
Tipos Mnimo Mximo Media Desviacin tpica
Situaciones/ problemas 0 3 0,17 0,469
Lenguajes 0 7 0,57 1,232
Conceptos 0 8 0,87 1,577
Procedimientos 0 5 0,38 0,889
Propiedades 0 3 0,26 0,623
Argumentos 0 3 0,26 0,623
Tipos Responden (%) No responden (%) Media (de los que responden)
Situaciones/ problemas 25 (13,6) 158 (86,4) 1,24
Lenguajes 40 (21,9) 143 (78,1) 2,61
Conceptos 63 (34,4) 120 (65,6) 2,53
Procedimientos 36 (19,7) 147 (80,3) 1,93
Propiedades 52 (28,4) 131 (71,6) 0,92
Argumentos 32 (17,5) 151 (82,5) 1,49
Captulo 3

140

diferencia de escala de alrededor de 0,5) suele seguir el mismo patrn. En cambio esto
no ocurre en el caso de los problemas y argumentos ya que en el primero de ellos el
resultado es el mismo tanto para respuestas correctas como de incorrectas y en el
segundo el nmero medio de respuestas incorrectas en mayor que el de correctas.

Figura 3.6.7. Nmero medio de objetos matemticos correcta e incorrectamente identificados


Para comparar el nmero de objetos matemticos correctamente e incorrectamente
identificados en el total de la muestra se realiz pruebas t de Student de diferencia de
medias para muestras relacionadas (comparacin de Tablas 3.6.10 y 3.6.12). Como
vemos en la Tabla 3.6.13, obtenemos diferencias estadsticamente significativas en los
objetos matemticos situaciones, lenguaje, conceptos y procedimientos. En todos estos
casos el valor medio del nmero de objetos correctamente identificados es superior al
incorrecto.

Tabla 3.6.13. Significacin de diferencias entre objetos bien y mal identificados (n=183)
Contraste de medias para todos los alumnos p-valor
Situaciones bien situaciones mal 0,004
Lenguajes bien lenguajes mal 0,007
Conceptos bien conceptos mal 0,002
Procedimientos bien procedimientos mal 0,003
Propiedades bien propiedades mal 0,076
Argumentos bien Argumentos mal 0,066

No se comportan de igual manera las propiedades y los argumentos en el que el p-
valor es mayor que el nivel de significacin establecido (alfa=0,05) por lo que no
existen diferencias significativas entre ambos conjuntos.
Hemos realizado otro estudio de comparacin de medias para muestras
independientes teniendo en cuenta slo las respuestas a los objetos matemticos. Para
deducir el tipo de contraste t que se debe usar, se comienza utilizando el test de Levene,
Evaluacin de conocimientos de futuros profesores de educacin primaria

141

test de hiptesis utilizado para comprobar la igualdad de varianzas, cuyos resultados los
podemos ver en la Tabla 3.6.14. En ella observamos que a un nivel de significacin del
5% podemos aceptar que no hay diferencias significativas entre las varianzas de las
muestras de las situaciones/problemas, de los conceptos y de las propiedades y en
menor medida de los lenguajes ya que el p-valor es mayor que el nivel de significacin.
No ocurre lo mismo para los procedimientos y para los argumentos en los que podemos
afirmar que existen diferencias significativas entre las muestras.

Tabla 3.6.14. Contrastes de varianzas objetos bien y mal identificados (Alumnos que responden)
Contraste de varianzas para respuestas p-valor
Situaciones bien situaciones mal 0,895
Lenguajes bien lenguajes mal 0,116
Conceptos bien conceptos mal 0,968
Procedimientos bien procedimientos mal 0,032
Propiedades bien propiedades mal 0,887
Argumentos bien Argumentos mal 0,004

Posteriormente se ha realizado un estudio de comparacin de medias de las
muestras asumiendo igualdad de varianzas en el los casos anteriormente aceptados y en
el resto asumiendo diferencias entre ellas. Los resultados, que podemos ver en la Tabla
3.6.15, muestran que existen diferencias significativas entre las dos muestras en los
procedimientos, no ocurriendo as en los otros objetos en los que vemos que el p-valor
es superior al nivel de significacin por lo que aceptaramos la hiptesis de igualdad de
medias.

Tabla 3.6.15. Contrastes de medias objetos bien y mal identificados (Alumnos que responden)
Contraste de medias para respuestas p-valor
Situaciones bien situaciones mal 0,967
Lenguajes bien lenguajes mal 0,356
Conceptos bien conceptos mal 0,602
Procedimientos bien procedimientos mal 0,002
Propiedades bien propiedades mal 0,552
Argumentos bien Argumentos mal 0,222

3.7. CONOCIMIENTO DEL CONTENIDO Y LA ENSEANZA

3.7.1. INTRODUCCIN

La importancia que se da a la resolucin de problemas en los currculos actuales
es el resultado de un punto de vista sobre las matemticas que considera la resolucin de
Captulo 3

142

problemas como la esencia de la actividad matemtica. Como indica Puig (2008), varios
factores nacionales e internacionales coincidieron para hacer que la resolucin de
problemas se colocara como uno de los centros fundamentales de la reforma del
currculo de matemticas.
Las nuevas orientaciones curriculares (MEC 2006a y b) conceden un papel
predominante a la resolucin de problemas en el currculo escolar, especialmente la
J unta de Andaluca (Consejera de Educacin 2007), que incluye la resolucin de
problemas como bloque transversal a los diferentes bloques de contenido a lo largo de
toda la Educacin Primaria.
Godino, Batanero y Font (2007) indican que la resolucin de problemas ha sido
una de las reas de investigacin de mayor impacto en la didctica de las matemticas.
Los investigadores interesados en entender la interaccin entre el estudiante y la tarea
de resolucin de problemas han analizado las tareas presentadas, las caractersticas de
los estudiantes, de la situacin de evaluacin, la enseanza recibida y otros puntos,
tratando de ver cules de ellos influyen tanto en el xito del alumno al resolver el
problema como en su aprendizaje. Ser entonces importante que los estudiantes puedan
analizar las tareas matemticas y determinar cambios en las mismas para aumentar o
disminuir su dificultad o adaptarla a sus alumnos, segn su diversidad.
Este conocimiento se podra incluir en el conocimiento del contenido y la
enseanza. Con objeto de realizar una evaluacin, aunque sea somera de dicho
conocimiento, en la tercera parte de la tarea se pide a los futuros profesores indicar
algunas variables que se pueda cambiar en esta tarea para variar la dificultad o para
variar el contenido matemtico. A continuacin se analizan las respuestas obtenidas en
esta parte.

3.7.2. IDENTIFICACIN DE VARIABLES DE TAREA

Para Lester (1983), hay una multitud de variables que inciden en la resolucin de
problemas, especialmente en matemticas. Algunas categoras de variables que se usan
en las investigaciones en resolucin de problemas matemticos son las siguientes:
variables de tarea, relacionados con la naturaleza del problema; variables del sujeto, o
caractersticas de la persona que resuelve el problema; variables de la situacin durante
la resolucin de problema. A continuacin las analizamos en el problema planteado.
Evaluacin de conocimientos de futuros profesores de educacin primaria

143

1. Variables del problema: En un mismo problema o tarea, ligeros cambios en el
enunciado, pueden variar su dificultad, las estrategias con que los alumnos tratan de
resolverlo o bien los contenidos matemticos de la tarea.
En el problema planteado a los estudiantes podemos identificar fcilmente algunas
variables de tarea que se refieren, al contenido matemtico de las mismas, el contexto o
el formato de presentacin. Respecto al contenido matemtico, se podra variar el
nmero de celdas en filas o columnas de la tabla, con lo cual se pasara de una variable
dicotmica a otra politmica; tambin se podra cambiar la escala de medida de una o
las dos variables, para usar variables ordinales o numricas. Si se suprime los totales de
las filas y/o columnas, los alumnos tienen que calcular frecuencias marginales, que
ahora vienen dadas. Si se aumenta o disminuye el tamao de las frecuencias en las
celdas o total de la muestra, se aumenta la dificultad. Tambin cambiara el contenido
matemtico si en vez de dar los datos en frecuencias absolutas se diesen en frecuencias
relativas dobles o frecuencias relativas condicionales.
Se podra plantear preguntas ms complejas; por ejemplo, calcular la probabilidad
de coger dos o ms sujetos con o sin reemplazamiento en cada caso. Todos estos
cambios afectaran a la dificultad del problema. Se les podra preguntar por la
proporcin (en vez de por la probabilidad) o bien hacer un grfico a partir de la tabla.
Respecto al formato con que se presentan los datos; se podra presentar el
enunciado verbalmente, o por medio de un listado o grfico. La tabla de doble entrada
se da elaborada, pero si los datos se diesen a partir de un listado, los alumnos tendran
que clasificarlos y formar la tabla, aumentando la dificultad.

2. Variables del sujeto: Los alumnos tienen diversas capacidades, intereses, actitudes e
historia. Las circunstancias sociales y familiares tambin pueden influir, por
ejemplo, el apoyo de sus padres en el estudio o los medios que stos le
proporcionan.
En este ejemplo, los estudiantes podran mencionar que el problema se ha
propuesto a futuros maestros, pero la dificultad podra cambiar si se propone a nios
(sera ms difcil) o si se propone a estudiantes de matemticas u otras especialidades
que hayan seguido un curso de probabilidad (caso en que el problema sera ms
sencillo).

Captulo 3

144

3. Variables de la situacin: De resolucin, seran los cambios en la situacin en que
se resuelve el problema, que pueda afectar a las estrategias, soluciones o dificultad
el mismo. Por ejemplo, las herramientas disponibles mientras se resuelve, si se
trabaja slo o en grupo, etc.
En este ejemplo, cada estudiante ha de resolver el problema por s mismo y sin
ayuda de libros de consulta o calculadora. La dificultad sera menor si el problema se
hubiera podido resolver en grupos o si el alumno hubiese podido consultar fuentes o
usar ordenadores o calculadoras. Asimismo, si hubiese tenido ms tiempo para
resolverlo podra mejorarse el porcentaje de soluciones correctas.

Los diferentes autores, que han estudiado la formacin de profesores respecto a
resolucin de problemas, indican que los profesores debieran saber identificar aquellas
variables cuyo control se puede considerar como un recurso del profesor, es decir sobre
las que podemos actuar y que producen un cambio significativo en lo que el alumno
aprende; son las llamadas variables didcticas. Generalmente son variables de tarea o de
la situacin; pero tambin a veces se puede actuar sobre las variables del sujeto, por
ejemplo, tratando de aumentar el inters o mejorar la actitud de los alumnos. En lo que
sigue analizamos las respuestas de los estudiantes, estudiando el nmero de variables
correcta e incorrectamente identificadas en el problema, comenzando por las variables
de tarea.

Variables de tarea correctas
En primer lugar presentaremos algunas respuestas correctas sobre las variables de
tarea que podran cambiarse en el problema. Podemos diferenciarlas en varios grupos ya
que en algunos casos las variables se refieren al contenido matemtico, otras al formato
de presentacin y otras al formato en que se dan los datos.
Respecto al formato de la tarea, encontramos futuros profesores que cambiaran
los datos del ejercicio por otros tomados dentro de la clase: Cambiar la obtencin de
datos, tomndolas dentro del curso. En otro ejemplo: se podra hacer que los
alumnos tuvieran que realizar la tabla partiendo de las respuestas de los alumnos de la
clase el sujeto indica posibilidad de hacer una encuesta y de que los alumnos preparen
las tablas por ellos mismos. Por lo tanto, adems del formato, esta variable afecta al
Evaluacin de conocimientos de futuros profesores de educacin primaria

145

contenido del problema, pues se aaden dos procedimientos (realizar una encuesta y
confeccionar la tabla).
Otros participantes sugieren cambiar el formato de presentacin de los datos y
utilizar grficos estadsticos para representarlos, por ejemplo, indicando incluso grficos
especficos: Elaborar grficos de barras o diagramas de sectores para ver las
habilidades de representacin grfica de los alumnos, Hacer un grfico donde
comparen a los chicos con las chicas, por ejemplo un diagrama de sectores donde se
puede observar muy bien la proporcin. Tambin en estos casos, adems del formato,
la variable afecta al contenido, pues se aade el de los grficos citados y el implicado en
su realizacin (proporcionalidad, amplitud angular, etc.).
Respecto a las variables del contenido del problema encontramos alumnos que se
centraran en variar la pregunta, de modo que se pidan las probabilidades en las que
aparezca sucesos complementarios, como por ejemplo: Calcular la probabilidad de
que sea chico y no le guste el tenis, Darle los totales y los chicos que les gusta el
tenis y pedirle que calculen los que no les gusta. En el siguiente ejemplo el alumno
sugiere varias variables, las primeras para aumentar la dificultad del problema sin variar
el contenido matemtico y las ltimas para variar dicho contenido.
Variables a cambiar, por ejemplo podra ser la obtencin de datos de algn otro curso,
dificultando as y extendiendo el ejercicio.
O bien cambiando el gusto por otro deporte, albergando preguntas como cuantos chicos chicas
les gusta ambos deportes
Dichas variables mantienen el contenido matemtico, para cambiarlo, podramos pedir que se
elabore grficas de barras o un diagrama de sectores y ver si as las habilidades de
representacin grfica de nuestros alumnos.

Otros futuros profesores proponen variar la pregunta del enunciado, por ejemplo,
para pedirles a los alumnos que mostrasen las diferentes estrategias utilizadas para su
resolucin: Pedirles diferentes estrategias para resolverlo, Que el alumno justifique
como ha encontrado las soluciones y que nos diga porque cree que la suya es la
correcta. En otros casos, se sugiere que, una vez resuelto el problema, que aadan
cuestiones para ver si han llegado a una interpretacin correcta y saben aplicar los
resultados: Una vez calculado todo pedirles que reflexionen si ellos montaran una
pista de tenis en ese colegio.
Captulo 3

146

Una de las variables ms citadas por los alumnos fue variar el tipo de datos
proporcionados. Por ejemplo, como vemos en la Figura 3.7.1, se sugiere eliminar
algunos elementos en la tabla de datos, ya fuera excluir los totales o incluir estos y
excluir algunas frecuencias dobles con la intencin de que el alumno tuviese que
calcularlos para poder resolver el problema: No poner el total de los alumnos,
Pedirles que comparen las probabilidades, No indicar la cantidad de chicas pero si
el total de alumnos, Se puede dar la tabla y que falte algn dato, si le pedimos que
rellenen los huecos y despus que realicen el problema tal como est enunciado, este
problema ser ms complejo y potenciar tambin la suma.
Tambin encontramos futuros profesores partidarios de omitir la tabla de datos y
que los alumnos tengan que interpretar los datos desde el enunciado Expresar de otra
forma los datos, en lugar de drselos en una tabla, podran aparecer en el enunciado,
o pasar de nmeros enteros a porcentajes, con lo cual cambia el contenido matemtico:
Dar los datos a travs de porcentajes, por ejemplo el 25% de 700, que es el total,
corresponde a las chicas y que calculen el resto de datos. Otros alumnos plantean el
clculo de probabilidades compuestas, como Calcular la probabilidad de que dos
alumnos uno sea chica sabiendo que no le gusta el tenis y el otro sea chica y le guste el
tenis.

Figura 3.7.1. Variable del problema correctamente interpretada


Otros posibles cambios se refieren a completar la resolucin o presentar los
resultados de una manera definida No dejar indicado el problema sino que lo
calculen, Para variar el contenido matemtico se podra preguntar, adems de la
probabilidad, expresar los resultados en porcentajes, Pedirles porcentajes, que
sumen la probabilidad de dos casos distintos, que comparen los resultados de ambos
sexos o Preguntar cunto ms le gusta a los chicos jugar al tenis. La variante ms
demandada consista en aadir otras variables Aadir ms datos a la tabla, como
quienes practican y cuantos no, Aadir otra variable.
Evaluacin de conocimientos de futuros profesores de educacin primaria

147

En la Figura 3.7.2 mostramos la sugerencia de un estudiante que propone usar una
tabla triple, que construye correctamente, aunque no incluye datos, pues su sugerencia
es que los alumnos hagan una encuesta en clase para completarla. En cuanto a hacer que
el enunciado sea ms simple algunos alumnos indican variaciones como: Tomar
nmeros ms pequeos, Para hacer el ejercicio ms fcil podramos cambiar los
datos de los nmeros, por ejemplo poniendo un total de 100 alumnos el ejercicio
resultara ms fcil, En lugar de diferenciar entre chicos y chicas podra darse slo
los datos generales, as la tarea tendra menos dificultad. Otros ejemplos son los
siguientes: Enfocar la probabilidad hacia un tema que sea de mayor inters para los
alumnos, Cambiar tenis por futbol que les gusta ms. Una posible variable sera
enfocar la probabilidad hacia un tema que sea de mayor inters para los alumnos,
como por ejemplo nios que bailan la peonza, en vez de nios que les gusta el tenis.
Otra variable podra ser tratar con nmeros ms pequeos en el caso de que el alumno
presente algn tipo de dificultad en la realizacin del ejercicio.

Figura 3.7.2. Variable del problema correctamente interpretada


En la Tabla 3.7.1 describimos los resultados sobre el nmero de respuestas
correctas dadas. En ella vemos que un 12,6% de los futuros profesores no fueron
capaces de dar una sola respuesta correcta a este apartado y que el 18,6% ni siquiera
contest a la cuestin. La mayora de los estudiantes, un 60,1% fueron capaces de
identificar una o dos variables correctamente que permiten una variacin en su
dificultad o en las estrategias con que los alumnos tratan de resolverlo. Por lo que el
porcentaje de futuros profesores que expresaron 3 o ms variables del problema (el
mximo estuvo en 5) se reduce al 8,8%. Vemos en el siguiente ejemplo que el alumno
identifica correctamente varias variables.
Podemos cambiar las variables del problema, a continuacin, propongo varias opciones:
- No adjuntar la tabla en el problema, para que la realicen ellos mismos.
- Poner la tabla con algunos huecos sin rellenar, para que los puedan calcular ellos.
- Que comparen algunas probabilidades.
Captulo 3

148

- Cambiar el enunciado poniendo otro tema.
- Realizar preguntas de otro tipo, que no sean de probabilidad.

Si slo tenemos en cuenta a aquellos alumnos que responden, el 15,4% falla en la
identificacin de variables de tarea y el 73,8% fue capaz de contestar a una o dos
variables correctas. Como ocurra anteriormente, el porcentaje menor es el de alumnos
que son capaces de dar ms de dos variables 10,7%.

Tabla 3.7.1. Nmero de variables del problema correctamente definidas por los futuros profesores







Variables de tarea incorrectamente identificadas
Respecto a los errores en la identificacin de las variables de tarea, encontramos
alumnos que no identifican correctamente la probabilidad conjunta y la condicionada,
por lo que confunden los apartados b y c: Cambiar las preguntas b y c ya que pueden
llevar a confusin, son la misma, el alumno se puede confundir y pensar que se le pide
otra cosa. Tambin se da el caso de estudiantes que confunden la probabilidad
condicional con la probabilidad simple: Poner las cuestiones a y b como la c, es decir
plantendolas de manera que el alumno tenga que fijarse mejor en la tabla, analizando
dicha cuestin, es decir no discrimina el contenido del problema.
Algunos alumnos pretenden calcular estadsticos sin sentido para los datos
presentados en el problema, como calcular la moda o mediana de algunos sucesos:
Calcular la moda, media y mediana de chicos que no les gusta el tenis, Trabajar
conceptos como moda, mediana, Extraer la moda y otros conceptos, Para variar
el contenido podran preguntar la moda o la mediana de alumnos que prefieren cada
deporte. Otros alumnos a la hora de introducir nuevas variables tienen problemas de
interpretacin de los resultados ya que el problema no tendra sentido con los cambios
sugeridos: Para variar el contenido matemtico aadir edades a la tabla, Destacar
un balance de edad de los chicos y chicas para sumar ms datos, introduciendo
n Frecuencia Total (%) Porcentaje valido
0 23 (12,5) 15,4
1 61 (33,3) 40,9
2 49 (26,8) 32,9
3 8 (4,4) 5,5
4 6 (3,3) 4,0
5 2 (1,1) 1,3
No responde 34 (18,6) 100,0
Total 183 Total responden 149
Evaluacin de conocimientos de futuros profesores de educacin primaria

149

incluso variables que ya aparecen: Aadir por ejemplo la variable de que no les gusta
el tenis, es decir una tercera variable aumentara el grado de dificultad.
Encontramos participantes que a partir de los datos pretenden pedir a los alumnos
resultados imposibles de obtener, ya que solicitan datos que no estn en la tarea:
Preguntarles el grado en que aprecian el tenis: les gusta mucho el tenis, les gusta, les
gusta poco, no les gusta. Otros proponen cambios que no afectan la dificultad:
Cambiar las cifras de los chicos por las de las chicas.
Otras respuestas son muy imprecisas y las hemos considerado incorrectas, pues
tan slo pretenden con el enunciado cambiando el lenguaje, hacindolo ms tcnico o
llevar al error de los alumnos preguntndole ms cuestiones: Podra aumentar la
dificultad del problema si el lenguaje no es el adecuado a su nivel; Para variar la
dificultad podramos hacer ms preguntas, creando con ellas un mayor nivel de
dificultad haciendo que el alumno se cuestione nuevas preguntas.
En la Tabla 3.7.2 se clasifica a los futuros profesores segn el nmero de
respuestas incorrectas que hayan dado para la variable problema. El 47% de los futuros
profesores no dio ninguna respuesta incorrecta, mayoritariamente porque solan centrar
la respuesta del variable problema en cambiar las cantidades de la tabla de enunciados
para que fuese ms fcil de calcular las probabilidades o en incluir variables nuevas. Un
24,6% de los futuros profesores dio al menos un resultado incorrecto y el 9,8% restante
dio ms de uno, destacando un alumno que identific incorrectamente seis variables.

Tabla 3.7.2. Variables problemas incorrectamente definidas por los futuros profesores






3.7.3. IDENTIFICACIN DE VARIABLES DEL SUJETO

Variables del sujeto correctas
Algunos ejemplos correctos de respuestas, que ya hemos comentado en el
apartado anterior, tambin pueden considerarse como variables del sujeto que hacen
n Frecuencia Total (%) Porcentaje valido
0 86 (47,0) 57,7
1 45 (24,6) 30,2
2 11 (6,0) 7,4
3 6 (3,3) 4,0
6 1 (0,5) 0,7
No responde 34 (18,6) 100,0
Total 183 Total responden 149
Captulo 3

150

referencia a tratar de aumentar la motivacin del alumnado, ya sea simplemente
cambiando la variable del problema como haciendo el conteo con los propios alumno.
Otro ejemplo de variable del sujeto es el siguiente: Cambiar lo que le gusta al alumnos
por otra cosa o aspecto que despierte inters en los alumnos de clase. Por ejemplo si en
la clase gusta mucho el futbol puede proponerse el problema para que as los alumnos
se sientan motivados. Igualmente un alumno indica Una variable sera que los
alumnos no estn motivados. Se puede cambiar la variable del sujeto haciendo el
ejercicio los nios de la clase, es decir si les gusta el tenis o no y resolver las
probabilidades entre todos los alumnos, as se sentirn ms motivados.
En otros casos se sugiere cambiar el nivel educativo donde se plantea el problema
Proponer el problema a nios de secundaria, Que lo resuelvan los alumnos de
universidad. O bien hacen referencias a los conocimientos previos del estudiante, que
tambin afecta a la dificultad del problema: Si el problema se realiza con alumnos que
hayan estudiado el tema.
Hemos encontrado pocas respuestas respecto a la variable del sujeto, lo cual era
de esperar, teniendo en cuenta que no estaba explcitamente especificada en el
enunciado del problema, aunque se inclua en el estudio de variables que afectan a la
resolucin del problema. Slo un 15,8% de los futuros profesores interpret que
tambin se podra modificar la variable sujeto, de ellos un 75,9% defini una variable,
cuatro futuros profesores pudieron dar dos y slo tres de ellos erraron en la definicin
de las variables del sujeto.

Tabla 3.7.3 Variables del sujeto correctamente definidas por los futuros profesores





Variables del sujeto incorrectas
La mayora de los ejemplos incorrectos de variantes sobre la variable sujeto se
refieren a que no se puede influir en la variable sujeto: No se puede actuar sobre la
variable sujeto porque para ello tendramos que conocer a los alumnos a los que se les
pone el problema. En el ejemplo presentado a continuacin, adems de no ser capaz de
n Frecuencia Total (%) Porcentaje valido
0 3 (1,6) 10,3
1 22 (12,0) 75,9
2 4 (2,2) 13,8
No responde 154 (84,2) 100,0
Total 183 Total responden 29
Evaluacin de conocimientos de futuros profesores de educacin primaria

151

pensar en variables del sujeto, indica una variable que se refiere ms a la enseanza y no
al problema a resolver.
Podemos cambiar tambin variables en los sujetos (pero esto no podramos hacerlo desde aqu
pues no tenemos delante a los alumnos, pero un ejemplo de ello sera lo siguiente, cambiaremos la
forma de explicarles la probabilidad, centrndonos en unos determinados conceptos).

Respecto las variables sujeto incorrectas tenemos que slo ocho alumnos, un
27,6% de los que contestaron, respondieron incorrectamente a las variables del sujeto.
Fueron muy pocos, los que cometieron errores en esta variable.

Tabla 3.7.4. Variables del sujeto incorrectamente definidas por los futuros profesores




3.7.4. IDENTIFICACIN DE VARIABLES DE LA SITUACIN

Variables de situacin correctas
Algunos estudiantes hicieron referencias a las variables de la situacin de
resolucin. Como ejemplo una respuesta dada por los futuros profesores de primaria es
la posibilidad de trabajar en grupo o individualmente para resolver el problema. Otros
ejemplos son los siguientes: Hacer el trabajo en grupo, Dejar que los alumnos de
los grupos hablen entre s, dejar ms o menos tiempo. Podramos tambin emplear
una variable en la resolucin, dicindoles a los alumno que es un ejercicio individual, y
no se puede hacer en grupo, ya que en grupo, puede ser uno el que siempre d las
respuestas.
Otros estudiantes se centran en el material para resolver la actividad: Hacer el
ejercicio de manera prctica en vez de sobre papel, Este tipo de actividad se podra
realizar en formato digital, trabajando tambin las tecnologas, Que resuelvan el
problema con o sin calculadora, en grupos o por parejas, Solucionar el problema
mediante materiales didcticos, por ejemplo si fueran nmero pequeos se podra
repartir canicas para representar a los alumnos o representar los datos mediante
dibujos o grficas de rbol. Y por ltimo, encontramos algunos que sugieren la
posibilidad de realizar el problema en casa para que los alumnos lo consultasen con sus
n Frecuencia Total (%) Porcentaje valido
0 21 (11,5) 72,4
1 8 (4,4) 27,6
No responde 154 (84,1) 100,0
Total 183 Total responden 29
Captulo 3

152

padres: Se podra mandar para casa en lugar de hacerlo en clase para que as le
pudieran ayudar sus padres.
En la Tabla 3.7.5 incluimos los resultados de las variables de situacin. Solamente
un 10,9% de los alumnos dio alguna variante de la variable situacin correcta. Destaca
un alumno que fue capaz de dar cuatro variantes.

Tabla 3.7.5. Variables de la situacin correctamente definidas por los futuros profesores





Variables de situacin incorrectas
En este caso slo tenemos una respuesta incorrecta, en el que el alumno confunde
el la variable con el problema que trata: Que los alumnos tengan que trabajar en
pequeos grupos y no se entiendan con los compaeros de clase, o por el contrario, que
no quieran resolver la actividad slo. Este dato slo representa el 1% del total y un
5% de los que responden por lo que se puede tomar como un resultado aislado.

Tabla 3.7.6. Variables de la situacin incorrectamente definidas por los futuros profesores





3.8. CONCLUSIONES DEL ESTUDIO 1

3.8.1. CONCLUSIONES SOBRE LOS CONOCIMIENTOS MATEMTICOS

El Estudio 1 se orient a realizar un estudio exploratorio de evaluacin de algunos
conocimientos matemticos y didcticos de los futuros profesores de Educacin
Primaria en relacin con objetos matemticos que aparecen implcitos en la
n Frecuencia Total (%) Porcentaje valido
1 15 (8,2) 75
2 2 (1,1) 10
3 2 (1,1) 10
4 1 (0,5) 5
No responde 163 (89,1) 100,0
Total 183 Total responden 20
n Frecuencia Total (%)
Porcentaje responden
(frecuencia)
0 19 (9,9) 95,0
1 1 (1,0) 5,0
No responde 163 (89,1) 100,0
Total 183 Total responden 20
Evaluacin de conocimientos de futuros profesores de educacin primaria

153

interpretacin de tablas de contingencia 2x2, es decir con dos filas y dos columnas. El
primer objetivo de dicho estudio era el siguiente:
Objetivo 1. Analizar el conocimiento comn de probabilidad que ponen de
manifiesto los futuros profesores de educacin primaria en el clculo de probabilidades
simples, compuestas y condicionales a partir de datos presentados en una tabla de
contingencia 2x2.
Para lograr este objetivo se plante un problema elemental en el que se pidi
calcular estas probabilidades a una muestra de profesores en formacin. Los resultados
se han analizado con detalle a lo largo de la primera parte del captulo, donde se realiz
un anlisis semitico detallado de las soluciones dadas, categorizando las respuestas
encontradas, identificando los conflictos semiticos de los estudiantes. Se compararon
los resultados con los obtenidos por Estrada y Daz (2007) en una tarea semejante y una
muestra reducida de futuros profesores de educacin primaria de la Universidad de
Lleida que haban seguido previamente un curso optativo de didctica de la estadstica.
Resultados de este estudio se han publicado en Contreras, Estrada, Daz y Batanero,
(2010) y Contreras, Batanero, Daz y Fernndes (2011).
Por otro lado, formulamos la hiptesis de que esperbamos que nuestros
resultados mostrasen un conocimiento insuficiente de los futuros profesores de la
muestra sobre la probabilidad condicional. Dicha hiptesis se ha confirmado, pues el
anlisis y resultados de la primera parte del estudio nos indican que la lectura de tablas
estadsticas de doble entrada y el clculo de probabilidades a partir de ellas no es una
tarea trivial, para los futuros profesores de Educacin Primaria de nuestra muestra.
Las conclusiones sobre este objetivo e hiptesis es que la mayora de los
estudiantes es incapaz de responder correctamente a dos de las tareas propuestas. En el
caso de la tarea primera, referente al clculo de la probabilidad simple, un tercio de los
futuros profesores cometen algn tipo de error, pero en las tareas posteriores referentes
al clculo de probabilidades compuestas y condicionales este porcentaje aumenta. Hay
que tener en cuenta que el problema se agrava con la gran cantidad de estudiantes que
dejaron en blanco las tareas, aproximadamente un tercio de los encuestados, lo que
indica una pobreza de conocimientos bsicos de probabilidad.
La mayor frecuencia de errores en el clculo de la probabilidad simple se deben a
confusin de probabilidad con frecuencia absoluta, un error que, aunque con poca
frecuencia, nos parece importante, dado que implica la no apreciacin de los axiomas de
Captulo 3

154

probabilidad. Tambin encontramos el error de dar la probabilidad de un elemento al
azar de la poblacin, lo que indica que el estudiante es incapaz de leer la tabla de doble
entrada. Otros errores importantes son dar la probabilidad mayor que la unidad.
Mayor variedad de errores aparecen en las respuestas, respecto al clculo de la
probabilidad simple, destacando la confusin de probabilidades condicionales y
conjuntas ya encontrado por Einhorn y Hogarth (1986) y Ojeda (1995) y Estrada y Daz
(2007). Agrupando los resultados, el 25% de los estudiantes confunde unas
probabilidades con otras. Aparece tambin un error no citado en la literatura consistente
en calcular la probabilidad de obtener un sujeto del total de la poblacin o bien con las
condiciones dadas (chica a la que gusta el tenis) al azar entre todas ellas. Destacamos
tambin el hecho de que 10 estudiantes confunden probabilidad simple y compuesta un
error que no fue encontrado por Daz y de la Fuente (2007).
La principal confusin en el clculo de la probabilidad condicional se produce
entre probabilidad condicional y compuesta coincidiendo con Einhorn y Hogarth (1986)
y Ojeda (1995) y Estrada y Daz (2007). Encontramos de nuevo algunos casos de
alumnos que confunde, la probabilidad pedida con probabilidad del suceso elemental,
error que como hemos indicado no se ha descrito anteriormente. Aparecen diversos
errores producidos al intentar aplicar las frmulas directamente sin una comprensin
adecuada de las mismas.
Como resumen del anlisis, indicamos que se encontr un nmero medio de 1,7
conflictos por estudiante. Los errores citados por Falk (1986) y Estrada y Daz (2007)
consistentes en confundir una probabilidad condicional con una conjunta o confundir
una probabilidad condicional con su inversa, fueron los ms frecuentes. Aun as, no
explican por s mismos los altos porcentajes de errores (cercanos al 40%) en las tareas
de clculo de probabilidad condicional y compuesta.
En nuestro anlisis, adems de los ya citados en estudios previos, aparecieron
nuevos conflictos como confundir un suceso con su complementario, errores en la
frmula de clculo, errores de clculo, o no ser capaces de identificar los datos en el
enunciado. Con menor frecuencia se presentan otros conflictos referidos a la confusin
de frecuencia y probabilidad o invertir la frmula de clculo de probabilidades,
obteniendo valores mayores que uno. Finalmente algunos estudiantes no son capaces de
dar una respuesta.
Evaluacin de conocimientos de futuros profesores de educacin primaria

155

Aunque, como indica Falk (1986), parte de las dificultades pueden ser originadas
por la ambigedad del lenguaje cotidiano utilizado en la interpretacin de la
probabilidad, el futuro educador debe dominar el lenguaje del azar para transmitirlo en
la enseanza.
Dada la frecuencia de aparicin de estas tablas en la prensa, Internet y material
profesional, consideramos de gran importancia su correcta interpretacin para la toma
de decisiones a partir de ellas. Por tanto, es preocupante la variedad de errores y el
nmero de estudiantes que no han podido dar una respuesta en nuestro estudio. Todo
ello indica la necesidad de mejorar la educacin estadstica que los futuros profesores
reciben durante su formacin en las facultades de educacin.

3.8.2. CONCLUSIONES SOBRE EL CONOCIMIENTO DIDCTICO

Nuestro segundo objetivo fue analizar algunos conocimientos didcticos de los
futuros profesores de educacin primaria sobre la tabla de contingencia 2x2 y el
clculo de probabilidades a partir de la misma.
La segunda y tercera preguntas planteadas estaban dirigidas a evaluar algunos
conocimientos didcticos del contenido de los futuros profesores, respecto a dos
componentes: (a) conocimiento especializado del contenido, y (b) conocimiento del
contenido y la enseanza. Respecto a esta segunda parte del estudio la hiptesis era, que
nuestros resultados mostraran un conocimiento insuficiente de los futuros profesores
de la muestra en relacin a las componentes evaluadas del conocimiento didctico del
contenido.
Esta hiptesis se ha visto confirmada. En relacin al conocimiento especializado
del contenido se pidi a los estudiantes analizar los objetos matemticos implcitos en la
tarea. Los estudiantes identificaron algunos objetos matemticos, aunque no todos los
necesarios para resolver el problema. Respecto a los correctamente identificados, los
ms frecuentes han sido los conceptos, con un promedio de al menos dos correctamente
identificado por alumno, seguido de los procedimientos.
Pensamos que es debido a que en otras materias se hace mucho nfasis en lo
conceptual y procedimental. Tambin el lenguaje ha resultado sencillo, en comparacin
con las propiedades y argumentos. No obstante los resultados son pobres. Pensamos es
que una razn es que se dedica muy poco tiempo al estudio de la probabilidad en el
Captulo 3

156

curso de Matemticas y su didctica y en consecuencia los estudiantes tienen un
escaso dominio del conocimiento comn del contenido (como ya se vio en la primera
parte del captulo). Ello incide en que su conocimiento especializado del contenido sea
asimismo muy escaso. La variabilidad entre estudiantes es muy alta; podemos observar
como hay estudiantes que son capaces de identificar hasta 9 conceptos correctos y hasta
8 ejemplos de lenguaje o procedimientos correctos, mientras que hay alumnos que no
consiguen dar una respuesta correcta.
Para comparar el nmero de objetos matemticos correctamente e incorrectamente
identificados en el total de la muestra se realiz pruebas t de Student de diferencia de
medias para muestras relacionadas, encontrado diferencias estadsticamente
significativas en los objetos matemticos situaciones, lenguaje, conceptos y
procedimientos. En todos estos casos el valor medio del nmero de objetos
correctamente identificados es superior al incorrecto. Sin embargo las diferencias
desaparecen si se tienen en cuenta slo los alumnos que responden. No se comportan de
igual manera las propiedades y los argumentos en el que el p-valor es mayor que el
nivel de significacin establecido (alfa=0,05) cuando se tienen en cuenta todos los
alumnos, por lo que no existen diferencias significativas entre ambos conjuntos.
Para valorar algunos aspectos del conocimiento del contenido y la enseanza se
pidi a los estudiantes identificar algunas variables que se pudiesen cambiar en el
problema propuesto para aumentar o disminuir la dificultad o bien variar el contenido.
Se consideraron algunos tipos de variables tenidas en cuenta en la bibliografa sobre
resolucin de problemas (Lester, 1983, Goldin y McClintock, 1984; Schoenfeld, 1985,
Castro, 1991), diferenciado el nmero de variables correctas e incorrectamente
identificadas respecto a la tarea, al sujeto y a la situacin de resolucin. Un resumen
descriptivo de los resultados muestra la Tabla 3.7.7 donde vemos que, en promedio cada
alumno identifica entre una y dos variables correctas en cada categora.

Tabla 3.7.7. Variables correctamente identificadas en la tarea




Tipos Mnimo Mximo Media Desviacin tpica
Del problema 0 5 1,46 1,036
Del sujeto 0 2 1,03 0,499
De la situacin 1 4 1,45 0,887
Evaluacin de conocimientos de futuros profesores de educacin primaria

157

Al identificar variables de tarea se obtuvo 1,46 respuestas, por lo que se puede
concluir que la mayora de los alumnos puede aplicar alguna variable para modificar la
dificultad del enunciado del problema. Las otras variables tuvieron una media de
respuesta similar, 1,03 en el caso de la variable sujeto y 1,45 en el caso de la de
situacin, en estos casos la variabilidad ha sido menor que en el de la variable problema.
Fueron pocas las variables incorrectamente interpretadas (Tabla 3.7.8), destacando la de
la tarea, donde el nmero de respuesta oscila entre 0 y 6, pero la media de errores est
cercana a 0,61 por lo que algunos resultados estn influyendo en la dispersin. Para el
resto de variables el mximo de errores fue de uno, y ocurri en muy pocos caso por lo
que los resultados no son muy significativos.

Tabla 3.7.8. Variables incorrectamente identificadas en la tarea




En resumen, la mayora de la muestra fue capaz de identificar una o dos variables
en cada categora y son ms las respuestas correctas que las incorrectas. Los resultados
indican que en los futuros profesores son capaces de encontrar variaciones en las
cuestiones para con ello modificar los contenidos y la dificultad de las tareas propuestas
con el fin de llegar a una comprensin mayor por parte del alumnado, pero con gran
dificultad, pues el nmero de respuestas es pequeo. Todo ello confirma de nuevo la
necesidad de reforzar la preparacin didctica de los profesores en el campo de la
probabilidad.


Tipos Mnimo Mximo Media Desviacin tpica
Del problema 0 6 0,61 0,913
Del sujeto 0 1 0,28 0,455
De la situacin 0 1 0,05 0,05
158


159

CAPTULO 4
EVALUACIN DE CONOCIMIENTOS DE FUTUROS
PROFESORES DE SECUNDARIA


4.1. Introduccin
4.2. Objetivos e hiptesis del Estudio 2
4.3. Material y mtodo
4.4. Contexto educativo
4.4.1. Licenciatura en Matemticas
4.4.2. Mster universitario de educacin secundaria obligatoria y bachillerato, formacin
profesional y enseanza de idiomas
4.5. Descripcin de la muestra
4.6. Anlisis del cuestionario
4.6.1. Proceso de construccin
4.6.2. Caractersticas psicomtricas
4.6.3. Anlisis a priori de tems utilizados en el estudio
4.6.3.1. tems de opcin mltiple y sesgos evaluados
4.6.3.2. tems abiertos: definicin y problemas de probabilidad condicional
4.7. Resultados
4.7.1. Sesgos en el razonamiento sobre probabilidad condicional
4.7.2. Definicin de la probabilidad simple y condicional
4.7.3. Clculo de probabilidad condicionada
4.7.4. Independencia
4.7.5. Clculo de la probabilidad compuesta
4.7.6. Teorema de la probabilidad total
4.7.7. Teorema de Bayes
4.7.8. Sntesis de resultados en tems abiertos
4.7.9. Relacin entre capacidad de resolucin de problemas y sesgos
4.8. Conclusiones del Estudio 2



4.1. INTRODUCCIN

Como se analiz en el captulo 2, es muy comn encontrar una variedad de errores
en el razonamiento condicional, que pueden llevar a decisiones incorrectas con
consecuencias indeseables. El profesor que tiene que explicar este tema, en la
Educacin Secundaria Obligatoria o Bachillerato, debiera ser capaz de reconocer estos
sesgos en sus estudiantes y ayudarles a superarlos. De este modo, podr prepararlos para
la correcta toma de decisiones en su vida personal y profesional. Pero es posible que los
mismos profesores tengan estos razonamientos errneos, con lo que podran incluso
transmitirlos a sus alumnos (Stohl, 2005).
El Estudio 2, que se presenta en este captulo, est orientado a evaluar la presencia
Captulo 4

160
de los sesgos ms comunes sobre el razonamiento en probabilidad condicional, que se
describieron en el captulo 2, en una muestra de futuros profesores de Educacin
Secundaria y Bachillerato. Al mismo tiempo se desea evaluar el conocimiento comn de
dicho contenido, pues dicho conocimiento es esencial en la toma de decisiones
instruccionales (Ball, Lubienski y Mewborn, 2001). Para realizar esta evaluacin se
utilizar un instrumento con evidencia de validez, fiabilidad y de sencilla aplicacin, ya
probado en unos trabajos anteriores con alumnos de Psicologa, y desarrollado por Daz
(2007). Este cuestionario es til para la finalidad del Estudio 2, ya que proporciona un
diagnstico de las dificultades de los estudiantes, sus conocimientos y capacidad de
resolucin de problemas. Los resultados proporcionarn la base para el diseo de
actividades formativas dirigidas al profesorado, para mejorar su formacin especfica en
la enseanza de este tema y se utilizarn en los Estudios 3, 4 y 5.
En lo que sigue se describen los objetivos, material y mtodo, contexto educativo
y resultados del Estudio 2.

4.2. OBJETIVOS E HIPTESIS DEL ESTUDIO 2

Aunque son muy escasas las investigaciones de evaluacin del razonamiento
probabilstico de futuros profesores de secundaria, los estudios en futuros profesores de
primaria (por ejemplo, Azcrate, 1995; Begg y Edward, 1999; Watson, 2001; Pereira-
Mendoza, 2002; Batanero, Godino y Caizares, 2005; Tarr y Lannin, 2005; Ortiz,
Nordin, Batanero, Serrano y Rodrguez, 2006), indican que stos presentan sesgos
relacionados con la probabilidad y particularmente con la probabilidad condicional y la
independencia. Por otro lado, como se estudi en el captulo 2, estos sesgos son tambin
frecuentes en los alumnos de secundaria, por lo que los futuros profesores debieran
haberlos superado y saber evaluarlos en sus alumnos. En consecuencia, es necesario
realizar un estudio de evaluacin de las dificultades que los futuros profesores de
Educacin Secundaria y Bachillerato tienen con la probabilidad condicional.
En concreto, un primer objetivo de este estudio es evaluar entre los futuros
profesores la existencia de las dificultades que se describen a continuacin, indicando
el tem del cuestionario donde se evalan:
Falacia de las tasas base (tem 1). Tversky y Kahneman (1982b) investigaron este
sesgo como parte de su trabajo sobre la heurstica de representatividad. Los autores
Evaluacin de conocimientos de futuros profesores de secundaria
161
denominan falacia de las tasas base al hecho de ignorar la probabilidad a priori de
un suceso en problemas que involucran la probabilidad inversa. Es decir, consiste en
calcular una probabilidad condicional como si fuese una probabilidad simple,
ignorando algunos datos del problema. Generalmente, este sesgo ocurre debido a
una percepcin incorrecta de la dependencia entre los sucesos implicados y aparece
en problemas bayesianos. Estudios psicolgicos muestran estimaciones incorrectas
de riesgos asociados a la toma de decisiones (Eddy, 1982; Totohasina, 1992; Teigen,
Brun y Frydenlund, 1999). Este tipo de razonamiento tambin ha sido descrito por
Serrano, Batanero, Ortiz y Caizares (2001) y Daz y de la Fuente (2007).
Confusin entre sucesos independientes y mutuamente incluyentes (tem 2). Creer
que dos sucesos son independientes si y slo si son excluyentes es un error muy
extendido, incluso entre futuros profesores de secundaria segn Snchez (1996).
Investigaciones como la de Kelly y Zwiers (1986) indican que este error puede ser
debido a la imprecisin del lenguaje ordinario, en que independiente puede
significar, a veces, separado. Las dificultades aparecen porque no se identifica con
claridad la interseccin de los sucesos en el espacio muestral producto (Snchez,
1996; Truran y Truran, 1996). En ocasiones no es sencillo identificar si dos
variables son independientes o estn asociadas en situaciones experimentales (Kelly
y Zwiers, 1986; Estepa, 1994).
Confundir probabilidades conjuntas y condicionales (tem 3). Pollatsek, Well,
Konold y Hardiman (1987) sugieren que los enunciados que usan la conjuncin y
pueden llevar a confundir una probabilidad conjunta y una probabilidad condicional.
Ojeda (1995) indica que los enunciados en los que aparece la interseccin de
sucesos son ms difciles de interpretar que aquellos donde aparecen la probabilidad
condicional, ya que mayoritariamente se interpreta la interseccin como
condicionamiento.
Falacia de la conjuncin (tem 4). Se denomina falacia de la conjuncin a la
creencia de que es ms probable la interseccin de dos sucesos que cada uno de
ellos por separado (Tversky y Kahneman, 1982a). Daz (2005), en su estudio sobre
la falacia de la conjuncin, hace hincapi en la influencia de los sucesos que
intervienen en los problemas. Cuando uno de los sucesos tiene una probabilidad
muy alta en comparacin con el otro, la interseccin de los dos se ve ms probable
que el suceso de mayor probabilidad, por lo que aparece la falacia. Segn Tversky y
Captulo 4

162
Kahneman (1982b) el error se produce como resultado de considerar la conjuncin
como ms representativa que cada evento por separado.
Falacia de la condicional transpuesta (tem 5). Se conoce como falacia de la
condicional transpuestaa la confusin de las probabilidades P(A/B) y P(B/A) (Falk,
1986), que aparece con frecuencia en contextos mdicos (Eddy, 1993; Gotzsche y
Olsen, 2000), as como al interpretar errneamente el significado del nivel de
significacin en un contraste de hiptesis (Vallecillos, 1994). Otras investigaciones
como las de Pollatsek y cols. (1987) y Ojeda (1995) resaltan las dificultades de los
estudiantes en el razonamiento de la probabilidad condicional a la hora de
interpretar los sucesos condicionantes.
Falacia del eje de tiempo (tems 6 y 7b). Es la creencia de que un suceso no puede
condicionar otro que ocurra anteriormente. Gras y Totohasina (1995) indican que los
estudiantes asocian el condicionamiento con el orden temporal de los sucesos y no
encuentran natural que se condicione un suceso por otro que ocurre con
posterioridad. Denominan a esta dificultad la concepcin cronologista de la
probabilidad condicional. Ello es debido a una confusin entre condicionamiento y
causacin. Aunque una relacin condicional indica que una relacin causal es
posible, sta no es segura. Este sesgo se ha detectado tambin en las investigaciones
de Batanero, Estepa, Godino y Green (1996), Falk (1986) y Daz (2007).
Un segundo objetivo del Estudio 2 sera comparar los resultados de la evaluacin
en futuros profesores de secundaria, con los obtenidos por Daz (2007) en estudiantes de
Psicologa. En el citado trabajo se detect un alto porcentaje de sesgos relacionados con
la probabilidad condicional en tareas que se encuentran con frecuencia en la vida
cotidiana, incluso algunas que formalmente se asemejan a otras que aparecen en el
proceso de evaluacin del aprendizaje. Estos sesgos inciden en la resolucin de
problemas y en el aprendizaje, por lo que los profesores han de estar formados para
poder detectarlos en sus estudiantes. El primer paso para detectarlos ser superarlos (en
caso que los presenten) y por ello cobra especial importancia su evaluacin.
Como tercer objetivo del Estudio 2, se desea evaluar la competencia en resolucin
de problemas de probabilidad condicional por los futuros profesores y su interrelacin
con los sesgos anteriormente descritos. Como hemos indicado, la probabilidad
condicional no slo tiene importancia en s misma, sino como base de muchos otros
conceptos estadsticos, como la correlacin, asociacin y regresin, la distribucin
Evaluacin de conocimientos de futuros profesores de secundaria
163
muestral, intervalos de confianza y contraste de hiptesis. Es importante asegurar una
correcta comprensin formal matemtica y una capacidad de resolver problemas en
estos futuros profesores, si queremos asegurar su competencia en la enseanza de los
temas mencionados, incluidos en el currculo de educacin secundaria y Bachillerato.
Por ello, en el cuestionario utilizado en nuestro trabajo, adems de los sesgos
mencionados, se evala el conocimiento formal de la probabilidad condicional y la
competencia para la resolucin de los tipos de problemas incluidos en la enseanza en
secundaria y Bachillerato:
Comprensin conceptual de la probabilidad condicional (tem 8). Se pretende
evaluar el conocimiento de la definicin del concepto, y si el estudiante es capaz de
discriminarlo respecto a una probabilidad simple.
Clculo de la probabilidad condicional. El tem 9 evala la capacidad de resolver
problemas de probabilidad condicional en un experimento simple utilizando
nicamente la definicin. El tem 7a evala el clculo de probabilidades
condicionales en situaciones sin reemplazamiento. El tem 11 evala si los alumnos
son capaces de resolver correctamente problemas de probabilidad condicional
dentro de un contexto de muestreo con reposicin, distinguiendo entre sucesos
dependientes e independientes.
Clculo de la probabilidad conjunta. El tem 12 evala la capacidad de resolver
problemas de probabilidad conjunta en una situacin sincrnica (sucesos que
ocurren de forma simultnea) a partir de la probabilidad simple y condicional.
Autores como Falk (1989) y Ojeda (1995) indican que las situaciones sincrnicas
son situaciones estticas, en las que no subyace una secuencia de experimentos, sino
que los experimentos aleatorios se realizan simultneamente. Por otra parte el tem
14 evala el clculo de la probabilidad compuesta haciendo uso de la regla del
producto a partir de sucesos independientes.
Teorema de la probabilidad total. (tem 10) Evala la capacidad de resolver
problemas que involucren el teorema de la probabilidad total.
Teorema de Bayes. El tem 13 pretende conocer si se interpreta correctamente el
clculo de probabilidad condicional en situaciones de probabilidad inversa.
Hiptesis
Las hiptesis que planteamos respecto a los anteriores objetivos en el Estudio 2
son las siguientes:
Captulo 4

164
Esperamos, en primer lugar, encontrar una proporcin alta de futuros profesores
en la muestra que presenten los sesgos evaluados en el estudio. Nos basamos para
apoyar esta hiptesis en la persistencia con que dichos sesgos han sido denunciados en
las investigaciones previas con diferentes especialidades de alumnos universitarios. Por
otro lado, en la investigacin de Daz (2007), los tems relacionados con la evaluacin
de los sesgos no tuvieron capacidad de discriminacin entre alumnos con alto o bajo
conocimiento matemtico respecto a la probabilidad condicional. Es de esperar, por
tanto, que los resultados respecto a los sesgos en futuros profesores sean similares a los
obtenidos por Daz (2007) con alumnos de Psicologa.
Por el contrario, esperamos que los resultados en los tems relacionados con la
resolucin de problemas en nuestro estudio sean mejores que los encontrados por la
citada autora, debido a la mejor preparacin en estadstica y probabilidad de los
participantes en nuestro estudio. Nos basamos para formular esta hiptesis en las
propiedades discriminantes que mostraron los tems relacionados con la resolucin de
problemas en el estudio de Daz (2007).
Finalmente, la tercera hiptesis de este estudio es la falta de relacin entre la
competencia matemtica de los estudiantes para resolver problemas de probabilidad
condicional y los sesgos observados en su razonamiento probabilstico. Esta hiptesis
tambin se ve apoyada por los resultados del estudio de Daz (2007) quien observ esta
falta de relacin en su muestra. Esperamos que esta falta de relacin se confirme,
asimismo, en futuros profesores.

4.3. MATERIAL Y MTODO

El material utilizado en el Estudio 2, que se recoge en el anexo 1 y se analiza con
detalle en el apartado 4.6, fue una parte del cuestionario RPC (Razonamiento sobre
Probabilidad Condicional), que fue elaborado por Daz (2004, 2007) y validado por su
autora con un riguroso proceso metodolgico (Daz y de la Fuente, 2007).
La recogida de datos se realiz durante el segundo cuatrimestre del curso 2009-
2010 en las distintas universidades que forman parte de la muestra. Las instrucciones
para cumplimentarlo, tiempo disponible e instrucciones fueron iguales en todos los
grupos de estudiantes y los datos se recogieron dentro de una de las asignaturas
cursadas por los alumnos. Para la recogida de datos se contact con algunos profesores
Evaluacin de conocimientos de futuros profesores de secundaria
165
del ltimo curso de la Licenciatura de Matemticas y en la especialidad de matemticas
del Mster Universitario de Educacin Secundaria Obligatoria y Bachillerato,
Formacin Profesional y Enseanza de Idiomas. En los casos en que las fechas
permitieron la recogida de datos, todos los profesores contactados se interesaron en el
trabajo, y se ofrecieron para colaborar en la obtencin de datos.
A dichos profesores se les mand el cuestionario, junto con una descripcin
detallada de su contenido, indicando para cada tem, las soluciones correctas y causas de
las incorrectas. Adems se les envi una presentacin PowerPoint para que
posteriormente pudiesen discutir con los alumnos las soluciones y los posibles fallos y
sesgos que se encontrasen. De este modo la actividad de completar el cuestionario, junto
con la sesin posterior de correccin y anlisis de los sesgos se convirti en una
actividad formativa sobre didctica de la probabilidad en las universidades y cursos
participantes.
El cuestionario se rellen de forma individual, por escrito, de forma que cada
futuro profesor expresase sus conocimientos en probabilidad condicional, tanto en la
comprensin conceptual y resolucin de problemas como en la superacin de posibles
sesgos en distintas situaciones. Una vez recogidos los cuestionarios se codificaron los
datos siguiendo, en primer lugar, el procedimiento de Daz (2007) y posteriormente
ampliando la categorizacin en los tems abiertos.

4.4. CONTEXTO EDUCATIVO

Como se ha indicado, los estudiantes participantes provienen del ltimo curso de
la Licenciatura de Matemticas o del Mster de Educacin Secundaria. A continuacin
se describe de forma resumida el contexto educativo de estos estudiantes, con especial
atencin a la formacin que han recibido sobre probabilidad.

4.4.1. LICENCIATURA EN MATEMTICAS

Un primer grupo de estudiantes cursaban quinto curso de la Licenciatura de
Matemticas (actualmente en proceso de transformacin a un ttulo de Grado). El plan
de estudios de los alumnos participantes, de una duracin de cinco cursos acadmicos
vara de una a otra universidad, aunque inclua en todas ellas las materias bsicas de
Captulo 4

166
matemticas: Anlisis, lgebra, geometra, estadstica, y un buen nmero de asignaturas
que se ocupan de los aspectos ms aplicados de las matemticas. La Licenciatura en
Matemticas proporciona una formacin adecuada para desarrollar las capacidades
analticas y el pensamiento lgico y riguroso del estudiante. Permite al licenciado
utilizar los conocimientos tericos y prcticos adquiridos, en la definicin de problemas
y en la bsqueda de soluciones en contextos acadmicos y empresariales.
Los licenciados en matemticas estn capacitados para trabajar tanto en empresas,
instituciones como en la administracin pblica y en la enseanza en centros de
Educacin Secundaria. Los planes de estudios recientes, al incidir en los aspectos
prcticos de la disciplina, hacen que estos titulados sean muy valorados para puestos de
responsabilidad en empresas e instituciones. Sin embargo, una de las salidas
profesionales ms frecuentes es la docencia en diversos niveles educativos, entre ellos,
Educacin Secundaria o Bachillerato. Un problema actual en esta titulacin es la
disminucin de los estudiantes que se interesan por esta licenciatura, lo que tambin
incide en el menor nivel de los estudiantes que acceden a ella.
Respecto al estudio de la probabilidad condicional, los alumnos de la Licenciatura
de Matemticas han cursado varias asignaturas especficas de probabilidad y estadstica
a lo largo de la carrera en las que se incluye el tema en las primeras lecciones.
Seguidamente describimos las principales caractersticas de la titulacin en las
diferentes universidades donde se han recogido datos.

Universidad de Granada
La Licenciatura en Matemticas se imparte desde 1964 en la Facultad de Ciencias
de la Universidad de Granada y en ella se imparten varias asignaturas en las que se trata
explcitamente la probabilidad condicional. Algunas de estas asignaturas son de carcter
troncal, como la asignatura de segundo curso Probabilidades y Estadstica de 10,5
crditos o la de tercer curso Ampliacin de Estadstica de 9 crditos, las dos anuales.
Otras asignaturas, de carcter optativo, que incluyen la enseanza de la probabilidad
condicional, son las asignaturas de Seminario de Historia de la Matemtica y Teora
de la Probabilidad de segundo ciclo y con seis crditos cada una. Adems de estas
materias, el alumno tiene la opcin de elegir algunas otras asignaturas en las, que
aunque no se imparte la probabilidad condicional en el temario, si aparece implcita en
los contenidos. Estas asignaturas son Anlisis de Datos de primer ciclo y Anlisis
Evaluacin de conocimientos de futuros profesores de secundaria
167
Multivariante, Estadstica Computacional, Inferencia Estadstica, Modelos de la
Investigacin Operativa y Procesos Estocsticos, incluidas en el segundo ciclo.

Universidad de La Laguna
En la Licenciatura en Matemticas de la Universidad de La Laguna existen dos
asignaturas cuatrimestrales que se centran en aspectos probabilsticos. La asignatura de
segundo curso Probabilidades I y la de tercer curso Probabilidades II de 6 crditos
cada una. Los contenidos principales de estas asignaturas son los fundamentos
matemticos del clculo de probabilidades y del tratamiento de los fenmenos de azar y
su significado en nuestro lenguaje cotidiano. Adems de estas materias, el alumno tiene
otras asignaturas de carcter troncal como: Estadstica descriptiva de primer curso,
Estadstica I de segundo e Historia de las matemticas de tercer curso, donde
implcitamente aparece definida la probabilidad condicional dentro del temario.

Universidad de Salamanca
En la Universidad de Salamanca, la Licenciatura en Matemticas consta de 305
crditos de los cuales slo 12 son dedicados a la enseanza de la probabilidad, de forma
obligatoria para todos los estudiantes, dentro de la asignatura de Probabilidades y
Estadstica de segundo curso. Existen otras dos asignaturas que tratan la probabilidad
de forma explcita, las dos de carcter optativo asociadas al segundo ciclo: La asignatura
de Probabilidad y Medida y la de Teora de la Probabilidad ambas de 7,5 crditos.
Otras asignaturas, tambin de carcter optativo, tratan la probabilidad de forma
implcita. Estas asignaturas son: Procesos Estocsticos y Anlisis de Datos
Multivariantes, las dos de 7,5 crditos.

4.4.2. MSTER UNIVERSITARIO DE EDUCACIN SECUNDARIA
OBLIGATORIA Y BACHILLERATO, FORMACIN PROFESIONAL Y
ENSEANZA DE IDIOMAS

Recientemente se ha implantado el Mster Universitario de Educacin Secundaria
Obligatoria y Bachillerato, Formacin Profesional y Enseanza de Idiomas, orientado a
los estudiantes que se preparan profesionalmente para la docencia en dichos niveles
educativos, y respondiendo a la obligatoriedad de cursar estudios de mster para ejercer
Captulo 4

168
la docencia en estos mbitos, dispuesta en la Ley Orgnica de Educacin 2/2006 de 24
de mayo de 2006 y la regulacin establecida para estos mster en la Orden 3858/2007
de 27 de diciembre.
Ms de 40 universidades espaolas imparten este mster, cuya duracin es de un
ao acadmico (60 crditos) e incide en las competencias que menos dominan los
licenciados, como la formacin psicolgica, pedaggica y sociolgica. La estructura de
las enseanzas del citado Mster es comn y se estructuran en dos mdulos: Uno
genrico con formacin bsica y comn para todos los alumnos (entre 12 y 15 crditos
segn la universidad) y otro especfico que desarrolla las competencias relacionadas con
las diferentes disciplinas o especialidades docentes (entre 20 y 30 crditos). Adems, es
obligatorio realizar un periodo de prcticas en centros de Educacin Secundaria y un
trabajo fin de mster (entre 16 y 20 crditos).
Los contenidos de los mdulos varan de una a otra universidad. Aunque cada
universidad interpreta de un modo estas asignaturas, en casi todas se imparten algunas
sesiones sobre probabilidad y su didctica, variando la extensin de esta formacin;
pues algunas universidades dedican hasta 3 crditos completos a la didctica de la
estadstica y probabilidad, mientras que en otras el tema slo se incluye a travs de la
posibilidad de elegirlo para el trabajo fin de Mster. Describimos brevemente a modo de
ejemplo algunos planes de estudio del Mster en Educacin de algunas universidades de
la muestra.

Universidad de Alicante
En esta universidad el mdulo genrico consta de tres asignaturas con un total de
14 crditos: Aprendizaje y desarrollo de la personalidad (6 crditos), Procesos y
contextos educativos (5 crditos), Sociedad, familia y educacin (3 crditos). El
mdulo especfico para los alumnos de la especialidad de matemticas (30 crditos), se
compone de 3 materias. La primera, Aprendizaje y enseanza de las matemticas (15
crditos), est dividida en tres partes: Enseanza de las matemticas en Educacin
Secundaria, Aprendizaje de las matemticas en Educacin Secundaria y
Aproximacin didctica a la resolucin de problemas de matemticas, cada una de 5
crditos. Las otras dos materias son Introduccin a las metodologas y tcnicas bsicas
de investigacin en Didctica de la Matemtica (9 crditos) e Innovacin en la
enseanza de la matemtica e investigacin en didctica de la matemtica (6 crditos).
Evaluacin de conocimientos de futuros profesores de secundaria
169
El tercer mdulo est compuesto de dos Prcticas en centros (de 4 y 6 crditos
respectivamente), y de un trabajo fin de mster (6 crditos).
Durante el Mster se trata el tema de la probabilidad y su didctica en las
asignaturas: Enseanza de las matemticas en educacin secundaria (donde se pas el
cuestionario), Aprendizaje de las matemticas en educacin secundaria (que incluye
un tema titulado Caractersticas del aprendizaje de las nociones de azar y probabilidad
y manejo de datos), y Aproximacin didctica a la resolucin de problemas de
matemticas. En Innovacin en la enseanza de la matemtica e investigacin en
didctica de la matemtica se estudia el tema Introduccin a las lneas actuales de
investigacin en Didctica de la Matemtica y en Introduccin a las metodologas y
tcnicas bsicas de investigacin en Didctica de la Matemtica se hizo un resumen de
una tesis doctoral sobre resolucin de problemas de probabilidad condicional, haciendo
hincapi en los instrumentos de recogida y de anlisis de datos.

Universidad de Cdiz
En la Universidad de Cdiz, el mdulo genrico consta de 3 asignaturas con un
total de 12 crditos: Sociedad, Familia y Educacin, Aprendizaje y Desarrollo de la
Personalidad y Procesos y Contextos Educativos de 4 crditos cada una. El mdulo
especfico para los alumnos de matemticas costa de 24 crditos, y se compone de 3
materias: Complementos disciplinares (6 crditos), Enseanza y Aprendizaje (12
crditos) e Investigacin e Innovacin (6 crditos), junto con otras materias optativas
por un total de 8 crditos. El tercer mdulo est compuesto de unas prcticas docentes
de 10 crditos en centros y de un trabajo fin de mster (6 crditos).
Especficamente no se trata la probabilidad o la didctica de la probabilidad en
ninguna asignatura. En la asignatura Complementos Disciplinares se utiliz el anlisis
de la evolucin histrica de la probabilidad como referente para el aula, junto con
algunas actividades y ejemplos sobre probabilidad pero dentro del contexto y no como
objeto de estudio. Los alumnos, sin embargo, podran elegir el tema en su trabajo fin de
Mster.

Universidad de Granada
En la Universidad de Granada, el mdulo genrico est compuesto de tres
asignaturas de 4 crditos cada una: Proceso y contextos educativos, Aprendizaje y
Captulo 4

170
desarrollo de la personalidad y Sociedad, familia y escuela. El mdulo especfico
compuesto de tres mdulos: Aprendizaje y enseanza de las materias (12 crditos),
Complementos de formacin disciplinar (6 crditos) e Innovacin docente e
investigacin educativa (6 crditos), en el que el alumno deber cursar
obligatoriamente, por especialidad, las tres materias que componen el mdulo.
Dentro del rea de Didctica de la Matemtica, en la especialidad de matemticas,
se imparte dos asignaturas: Aprendizaje y enseanza de las Matemticas (12 crditos)
e Innovacin docente e investigacin educativa (4 crditos). Los contenidos de la
primera se centran en bloques de contenido, tales como Competencia matemtica y
anlisis curricular, Conocimiento profesional del profesor de matemticas, Aprendizaje
matemtico o Caractersticas del razonamiento matemtico de los alumnos/ as de
secundaria. En la segunda se tratan temas de investigacin en innovacin en educacin
matemtica. La probabilidad condicional podra contemplarse en cualquiera de las dos
materias en las actividades prcticas, tanto individuales como colectivas
El mdulo de Prcticum est compuesto de dos submdulos: Prcticas docentes
(10 crditos) en que los estudiantes consiguen una experiencia prctica en enseanza de
la matemtica en un centro educativo y el Trabajo fin de mster (6 crditos), donde
tambin podra elegirse un tema relacionado con la didctica de la probabilidad. Por
ltimo esta universidad incluye un mdulo de libre disposicin en el que los alumnos
elegirn dos asignaturas de 4 crditos cada una de entre las siguientes: Atencin a la
diversidad y multiculturalidad, Atencin a los estudiantes con necesidades
especiales, Hacia una cultura de paz, Educacin para la igualdad y Organizacin
y gestin de centros educativos.

Universidad Pblica de Navarra
En esta universidad el mdulo genrico costa de 3 asignaturas con un total de 14
crditos: Aprendizaje y desarrollo de la personalidad (5 crditos), Procesos y
contextos educativos (6 crditos) y Sociedad, familia y educacin (3 crditos). El
mdulo especfico de matemticas consta de las asignaturas: Complementos para la
formacin disciplinar en matemticas (Estadstica y Probabilidad) de 6 crditos,
Intensificacin disciplinar en matemticas (Anlisis, lgebra y Geometra) de 6
crditos, Aprendizaje y enseanza de las matemticas de 9 crditos e Iniciacin a la
investigacin en didctica de las matemticas e innovacin de 6 crditos. Tambin hay
Evaluacin de conocimientos de futuros profesores de secundaria
171
que elegir entre dos asignaturas optativas dentro de la especialidad: Aprendizaje
integrado de matemticas e ingls y Aprendizaje de matemticas basado en problemas
y proyectos de 3 crditos cada una. El tercer mdulo est compuesto de dos
Practicums, uno de 3 y otro de 7 crditos, para cada cuatrimestre del mster, donde el
alumno consigue una experiencia prctica en enseanza de la matemtica. Adems
realiza un trabajo fin de mster (6 crditos).
Respecto a la docencia sobre de la probabilidad y su didctica, esta se imparte
como parte de la asignatura Complementos para la formacin disciplinar en
matemticas (Estadstica y Probabilidad) donde se dedican 1,5 crditos de los 6
previstos. En Aprendizaje y enseanza de las matemticas, se dedica 1 crdito de los
9 previstos y en Iniciacin a la investigacin en didctica de las matemticas e
innovacin 0,5 crditos de los 6 previstos.

Universidad de Santiago de Compostela
En este caso el mdulo genrico costa de 5 asignaturas con un total de 16 crditos:
Didctica, Currculum y Organizacin Escolar (4,5 crditos), La funcin tutorial y la
orientacin acadmica (2.5 crditos), Educacin y lenguas en Galicia (2 crditos),
Desarrollo psicolgico y aprendizaje escolar (3,5 crditos) y Educacin, sociedad y
poltica educativa (3,5 crditos).
El mdulo especfico de la especialidad en Ciencias Experimentales, Matemticas,
y Tecnologa e Informtica consta de las siguientes materias: La ciencia y su
metodologa para el profesorado de Educacin Secundaria (3 crditos), Diseo de
investigaciones educativas en ciencias en la Educacin Secundaria (3 crditos),
Matemticas para el profesorado de Educacin Secundaria (5 crditos), Anlisis
didctico de la Aritmtica, el lgebra y el Anlisis en la Educacin Secundaria (6
crditos), Anlisis didctico de la Geometra, la medida de Magnitudes, la
Probabilidad y la Estadstica en la Educacin Secundaria (6 crditos) y Diseo,
Planificacin y Evaluacin de Propuestas Didcticas en Matemticas en la Educacin
Secundaria (3 crditos). El tercer mdulo est compuesto de dos Practicums, uno de 4
y otro de 8 crditos, para cada cuatrimestre del mster, donde el alumno consigue una
experiencia prctica en enseanza de la matemtica. Adems realiza un trabajo fin de
mster (6 crditos).
En la asignatura Anlisis didctico de la geometra, la medida de magnitudes, la
Captulo 4

172
probabilidad y la estadstica en la educacin secundaria de 6 crditos se dedican 2,5 a
la didctica de la probabilidad y estadstica. Como contenido tratan la problemtica
didctica del proceso de enseanza-aprendizaje de la combinatoria, probabilidad y
estadstica en educacin secundaria, las concepciones de los estudiantes, sus obstculos
y dificultades.

Universidad de Salamanca
En Salamanca el mdulo genrico consta de 5 asignaturas obligatorias comunes a
todas las especialidades: Psicologa de la Educacin, Atencin a la diversidad en
Educacin, Organizacin e Historia del Sistema Educativo, Orientacin Educativa
(tutorial y familiar) y Sociologa de la Educacin, todas ellas de 3 crditos.
El mdulo especfico de Matemticas consta de las Materias: Didctica de la
especialidad de Matemticas, Recursos en la especialidad de Matemticas,
Innovacin docente en la especialidad de Matemticas, Iniciacin a la investigacin
educativa en la especialidad de Matemticas, Historia de la especialidad de
Matemticas, Evaluacin en la especialidad de Matemticas, Metodologa en la
especialidad de Matemtica y Contenidos en el contexto de la especialidad de
matemticas, todas ellas de 3 crditos. El tercer mdulo est compuesto del Practicum
de Observacin en la especialidad de Matemticas y del Practicum de Intervencin en
la especialidad de Matemticas, de 6 crditos cada uno, donde el alumno consigue una
experiencia prctica en enseanza de la matemtica. Adems realiza un trabajo fin de
mster (6 crditos).
La probabilidad como tal no se trata en ninguna de las materias del mster. Se
dedica un crdito a la Estadstica en la asignatura Contenidos en el contexto de la
especialidad de matemticas.

4.5. DESCRIPCIN DE LA MUESTRA

En la muestra del estudio participaron 196 futuros profesores que, como muestra
la Tabla 4.5.1, estn divididos en 95 alumnos de la Licenciatura de Matemticas y 101
alumnos del Mster Universitario de Educacin Secundaria Obligatoria y Bachillerato,
Formacin Profesional y Enseanza de Idiomas.


Evaluacin de conocimientos de futuros profesores de secundaria
173
Tabla 4.5.1. Sujetos encuestados por estudios




Las universidades donde se tom la muestra fueron las de Alicante, Cdiz,
Barcelona, Extremadura, Granada, La Laguna, Navarra, Salamanca, Santiago de
Compostela y Valladolid, lo que supone una variedad de comunidades autnomas y
situacin geogrfica. El mayor nmero de participantes corresponde a estudiantes de la
Licenciatura de Matemticas de dos cursos sucesivos de la Universidad de Granada,
como se describen en la Tabla 4.5.2, con un 35,2%. El porcentaje del resto de
universidades est comprendido entre el 3,1% de la Universidad Pblica de Navarra y el
10,2% de la Universidad de Salamanca.
La submuestra de alumnos de matemticas ha sido tomada en tres universidades.
Mayoritariamente los cuestionarios han sido contestados por alumnos de la universidad
de Granada (60%), el resto pertenece la Universidad de la La Laguna (23,2%) y de
Salamanca (16,8%). La submuestra de alumnos del Mster de Secundaria, ha sido
tomada en las Universidades de Alicante, Cdiz, Barcelona, Extremadura, Granada,
Navarra, Salamanca, Santiago de Compostela y Valladolid, destacando la Universidad
de Santiago de Compostela y la de Barcelona con un 16,8% y un 15,8% de
participantes.

Tabla 4.5.2. Sujetos encuestados por Universidad y tipo (Frecuencia y porcentaje)








Al analizar los estudios previos de los alumnos del Mster, vemos que la mayora
de ellos son licenciados en Matemticas (44,5%), pero tambin encontramos alumnos
de diferentes ramas relacionadas con las ingenieras, arquitectura, etc. como podemos
ver en la Tabla 4.5.3. Esto puede ocasionar un problema aadido, al no tener todos los
Frecuencia (%)
Matemticas 95 (48,5)
Mster de secundaria 101 (51,5)
Matemticas Mster Secundaria Total
Universidad de Alicante - 14 (13,9) 14 (7,1)
Universidad de Barcelona - 16 (15,8) 16 (8,2)
Universidad de Cdiz - 12 (11,9) 12 (6,1)
Universidad de Santiago de Compostela - 17 (16,8) 17 (8,7)
Universidad de Extremadura - 13 (12,9) 13 (6,6)
Universidad de Granada 57 (60,0) 12 (11,9) 69 (35,2)
Universidad de La Laguna 22 (23,2) - 22 (11,2)
Universidad Pblica de Navarra - 6 (5,9) 6 (3,1)
Universidad de Salamanca 16 (16,8) 4 (4,0) 20 (10,2)
Universidad de Valladolid - 7 (6,9) 7 (3,6)
Captulo 4

174
estudiantes la misma formacin inicial, y tener una menor preparacin matemtica que
sus compaeros. Tambin pueden tener una menor vocacin hacia la enseanza, pues su
eleccin inicial de formacin se orientaba a otras profesiones y por diversos motivos
han considerado la posibilidad de dedicarse a la enseanza.

Tabla 4.5.3. Alumnos de Mster en Educacin segn titulacin de acceso










4.6. ANLISIS DEL CUESTIONARIO

El cuestionario utilizado es el RPC (Razonamiento sobre Probabilidad
Condicional) elaborado por Daz (2007) construido con un proceso riguroso, siguiendo
las normas psicomtricas APA, AERA y NCME (1985, 1999) para este tipo de trabajos.
A continuacin se describe la construccin de dicho cuestionario y se analizan los tems
elegidos para esta investigacin.

4.6.1. PROCESO DE CONSTRUCCIN

En el proceso de construccin del cuestionario de Daz (2007) se siguieron las
siguientes fases:
Fase 1. Especificacin del contenido de la variable objeto de medicin. Se bas
en la revisin bibliogrfica de las investigaciones previas, que permiti conocer los
principales errores relacionados con este concepto y a su vez recopilar algunos tems
usados en dichas investigaciones. Una definicin ms precisa de la variable se
fundament en el anlisis del contenido sobre probabilidad condicional reflejado en una
muestra de 21 libros de texto de estadstica aplicada, elegida entre los que se usan en la
Frecuencia Porcentaje
Matemticas 45 44,5
Arquitectura 6 5,9
Ingeniera Industrial 11 10,9
Ingeniera de Montes 4 4,0
Ingeniera Informtica 6 5,9
Licenciatura de Economa 6 5,9
Ingeniera Qumica 8 7,9
Ingeniera Tcnica en Electricidad 1 1,0
Ingeniera de Telecomunicaciones 5 5,0
Ingeniera Aeronutica 1 1,0
Licenciatura en Ciencias y Tcnicas Estadsticas 2 2,0
Licenciatura de Fsica 2 2,0
Administracin y Direccin de Empresas 4 4,0
Evaluacin de conocimientos de futuros profesores de secundaria
175
Licenciatura de Psicologa para las asignaturas de anlisis de datos.
Fase 2. Construccin de la versin piloto del cuestionario RPC. Este estudio
consta de dos etapas: En la primera (pruebas piloto de tems), un total de 49 tems
recogidos de investigaciones previas y de libros de texto se probaron en muestras de
entre 49 y 117 estudiantes de primer curso de Psicologa, para determinar su ndice de
dificultad, discriminacin y la distribucin de respuestas entre los distractores. En una
segunda etapa se hizo la seleccin final de unidades de contenido y de los tems del
cuestionario a partir de un juicio de expertos (participaron 10 expertos en estadstica o
didctica de la estadstica).
Fase 3. Prueba piloto del cuestionario RPC. Una vez que se dispuso de una
primera versin del instrumento, se llev a cabo una prueba piloto del cuestionario RPC
con nuevas muestras de 37 y 57 estudiantes, para obtener una primera determinacin de
sus caractersticas psicomtricas. Tambin se estim el tiempo necesario para
completarlo (entre una hora y hora y cuarto).
Fase 4. Revisin de la prueba piloto. Se revis el instrumento piloto a partir de
juicio de expertos (8 expertos en metodologa) para mejorar su legibilidad y disminuir la
dificultad de algunos tems, finalizando, de este modo, el proceso de construccin del
cuestionario.

4.6.2. CARACTERSTICAS PSICOMTRICAS

Fiabilidad
Para comprobar las caractersticas psicomtricas del cuestionario RPC se estudi
la fiabilidad de consistencia interna del test, mediante el clculo del coeficiente Alfa de
Crobach, que dio un valor de 0,797. Daz (2007) informa que fue estadsticamente
significativa la correlacin corregida tem-test en todos los tems, oscilando sus valores
entre 0,154 y 0,624, excepto en dos tems (falacia de la condicional transpuesta y falacia
del eje de tiempos) en que fue prxima a cero. La autora explica esta falta de
discriminacin por el hecho de que estas falacias afectan por igual a estudiantes con
bajos o altos conocimientos formales sobre probabilidad condicional.
Los coeficientes de fiabilidad basados en el anlisis factorial dieron los siguientes
valores: Theta de Carmines =0,82; Omega de Heise y Bohrnsted, =0,896,
cumplindose la relacin: < < . Estos valores, junto con el hecho de que el primer
Captulo 4

176
autovalor en el anlisis factorial explic mucho mayor porcentaje de varianza que los
siguientes, y que la mayora de los tems tenan pesos apreciables en el mismo antes de
la rotacin, apoyan una cierta unidimensionalidad del cuestionario y por tanto, la
validez de constructo (Carmines y Zller, 1979). Los ndices de dificultad varan entre
0,25 (tem 6) y 0,84 (tem 8 e tem 2).
En un segundo estudio se obtuvo un alto valor de los coeficientes de correlacin
en la fiabilidad test-retest, tanto si fue obtenida con la correlacin de Pearson (0,876)
como con la de Spearman (0,867), oscilando las correlaciones del mismo tem en las
dos aplicaciones entre 0,299 y 0,799 y siendo todas ellas estadsticamente significativas.
Todo ello asegura una alta estabilidad del cuestionario, medido por la fiabilidad test-
retest (Carmines y Zller, 1979).

Validez
La extraccin inicial del anlisis factorial produce 7 factores con autovalor mayor
que 1, que explicaron el 54,5% de la varianza total. El primer factor explica un 22,3%
de la varianza, mientras que los siguientes entre el 4,6% y el 9,98% cada uno. La
importancia relativa del primer factor proporciona una evidencia de validez de
constructo, puesto que el porcentaje es claramente superior al explicado por los
restantes (Morales, 1988).
El primer factor (de mayor peso relativo) incluye la mayora de los tems de
respuesta abierta. En particular el problema relacionado con el Teorema de Bayes,
presenta la contribucin mayor, seguido del relacionado con la probabilidad total y los
de probabilidad compuesta. Todos estos problemas requieren un proceso de resolucin
de al menos dos pasos, el primero de los cuales es el clculo de una probabilidad
condicional, que se utiliza seguidamente en un segundo paso (ej. en la regla del
producto). La autora interpreta este factor como la habilidad de resolver problemas
complejos de probabilidad condicional.
El segundo factor explica un 6,2% de la varianza. El clculo de una probabilidad
simple, probabilidad conjunta y probabilidad condicional aparece en este componente
separado, probablemente porque el formato de la tarea afectar a la ejecucin, como
indican Ojeda (1995) y Gigerenzer (1994) entre otros investigadores.
Un tercer factor (7,94% de la varianza) muestra la relacin entre la definicin, el
espacio muestral y el clculo de probabilidades condicionales en situaciones con y sin
Evaluacin de conocimientos de futuros profesores de secundaria
177
reemplazamiento; habilidades que se alcanza en el nivel mximo de comprensin de la
clasificacin de Tarr y J ones (1997). La autora denomina a este factor comprensin
conceptual de la probabilidad condicional. El conjunto de los tres primeros factores
(resolucin de problemas complejos, lectura de tablas y comprensin conceptual)
englobara la comprensin formal de la probabilidad condicional.
El resto de factores describen los diferentes sesgos que afectan al razonamiento
condicional, que no se relacionan con la comprensin formal, apoyando nuestra
hiptesis en este sentido. Cada uno de los sesgos (condicional transpuesta, falacia del
eje temporal, falacia de la conjuncin, confusin entre independencia y mutua
exclusividad, as como falacia de tasas base) aparecen separados de los primeros
factores y entre s. Algunos de ellos aparecen opuestos o relacionados con algunas
unidades semnticas del razonamiento probabilstico condicional. Por ejemplo, la
independencia est ligada a la falacia de las tasas base (donde los sujetos tienen que
juzgar si los sucesos son independientes o no) y opuesta a la idea de dependencia.
En el estudio 3, la prueba Lambda de Wilks (0,631) y correlacin cannica
(0,697) indican el poder discriminante del conjunto de tems y es un indicio de validez
de criterio del cuestionario RPC respecto al criterio dicotmico de haber recibido o no
instruccin sobre el tema. Todos los tems obtuvieron una diferencia estadsticamente
significativa en las pruebas univariantes a favor del grupo con instruccin, excepto los
tems 2 y 4 (falacia del eje de tiempos) y 3 (falacia de la condicional transpuesta)
relacionados con sesgos en el razonamiento condicional, que parecen no mejorar con la
instruccin. La validez de criterio tambin se apoya por los resultados del anlisis
discriminante, que muestra un 82% de clasificaciones correctas de alumnos con y sin
instruccin. La autora justifica finalmente la validez de contenido del cuestionario
mediante el juicio de expertos realizado y mediante el anlisis de contenido de los
tems, que cubren el contenido pretendido. En resumen, el cuestionario muestra unas
buenas propiedades de validez y fiabilidad, y se dispone de datos de comparacin de
una alta muestra de estudiantes de la Licenciatura de Psicologa, por lo que hemos
decidido usarlo.

4.6.3. ANLISIS A PRIORI DE LOS TEMS DEL CUESTIONARIO

En este apartado llevamos a cabo un anlisis terico de las respuestas esperadas a
Captulo 4

178
cada uno de los tems que constituyen el instrumento. Para cada tem analizamos la
respuesta correcta y los sesgos contenidos en los distractores. Asimismo describimos el
contenido evaluado por el tem, que consta de dos partes: (a) Contenido primario, aqul
para cuya evaluacin se ha elaborado el tem; (b) contenido secundario, o contenido
relacionado que tambin se requiere para resolver el tem.

4.6.3.1. TEMS DE OPCIN MLTIPLE Y SESGOS EVALUADOS


tem 1. Un taxi se vio implicado en un accidente nocturno con choque y huida posterior. Hay dos
compaas de taxis en la ciudad, la Verde y la Azul. El 85% de los taxis de la ciudad son Verde y el
15% Azul. Un testigo identific el taxi como Azul. El tribunal comprob la fiabilidad del testigo
bajo las mismas circunstancias que haba la noche del accidente y lleg a la conclusin de que el
testigo identificaba correctamente cada uno de los colores en el 80% de las ocasiones y fallaba en
el 20%. Cul es la probabilidad de que el taxi implicado en el accidente fuera en efecto Azul?
a. 80 %
b. 15%
c. (15/100) x (80/100)
d. 41 %


El tem se ha incluido para evaluar el sesgo conocido como falacia de las tasas
base, consistente en ignorar la probabilidad a priori del suceso en la toma de decisiones
en problemas de probabilidad inversa y que en el estudio de Daz (2007) apareci en el
15% de sujetos. Este tipo de razonamiento tambin se ha encontrado en investigaciones
en educacin matemtica (Serrano, Batanero, Ortiz y Caizares, 2001). Este sesgo
aparece en las repuestas (a) y (b), que corresponden a estudiantes que no tienen en
cuenta todos los datos del problema. Por otro lado el distractor (c) corresponde a
aquellos que confunden probabilidad condicional con la probabilidad conjunta.
La respuesta correcta de este tem es la (d) 41%. Para determinarla se debe aplicar
el teorema de Bayes. Dicho teorema calcula la probabilidad condicionada de un suceso
A dado otro suceso B, con probabilidad distinta de cero, mediante la siguiente
expresin:
( ) ( / ) ( )
( / )
( ) ( )
P A B P B A P A
P A B
P B P B

= = .
Previamente ha de calcular ( ) P B mediante la frmula de la probabilidad total:
( ) ( / ) ( ) ( / ) ( ) P B P B A P A P B A P A = + .

Evaluacin de conocimientos de futuros profesores de secundaria
179
Aplicado a este caso, la solucin sera la siguiente: El alumno ha de interpretar
que, para calcular la probabilidad de que el taxi implicado en el accidente fuera en
efecto azul, tenemos que calcular la probabilidad de que sea azul condicionada a la
fiabilidad del testigo. Denominemos A al suceso Color de taxi azul y C al suceso
Fiabilidad al identificar correctamente el color. Por tanto la probabilidad
condicionada viene dada por
( )
( / )
( )
P A C
P A C
P C

= , siendo la probabilidad de la
fiabilidad del testigo ( ) ( / ) ( ) ( / ) ( ) P C P C A P A P C A P A = + , es decir la probabilidad de
acertar multiplicada por la probabilidad de ser azul ms la probabilidad de fallar
multiplicada por la probabilidad de no ser azul.
( ) ( / ) ( ) 0,8 0,15
( / ) 0,41.
( ) ( / ) ( ) ( / ) ( ) 0,8 0,15 0,2 0,85
P A C P C A P A
P A C
P C P C A P A P C A P A

= = = =
+ +

Por tanto, el resultado de que el taxi implicado fuese azul es del 41%.

En resumen, este tem tiene como contenido primario la falacia de las tasas
base. Como contenidos secundarios aparecen: Aplicar correctamente el clculo de
probabilidad condicional en situaciones de probabilidad inversa (Teorema de Bayes),
aplicar correctamente la regla de la probabilidad total, resolver problemas de
probabilidad condicional a partir de probabilidades conjuntas y simples, resolver
correctamente problemas condicionales cuando se invierte el eje de tiempos,
distinguir probabilidad condicional con inversa y resolver correctamente
problemas en situaciones sincrnicas.


tem 2. Se extrae una carta al azar de una baraja espaola (40 cartas con nmeros del 1 al 7, sota
caballo y rey): sea A el suceso se extrae una carta de oros y B el suceso se extrae un rey Los
sucesos A y B son independientes?
a. No son independientes porque en la baraja hay un rey de oros.
b. Slo si sacamos primero una carta para ver si es rey y se vuelve a colocar en la baraja y luego
sacamos una segunda carta para mirar si es oros.
c. No, porque P(rey de oros)=P(rey) x P(oros)
d. S, en todos los casos.


Este tem tiene como objetivo evaluar si los futuros profesores son capaces de
distinguir entre sucesos independientes y mutuamente excluyentes. Este error,
descrito por Kelly y Zwiers (1986), consiste en confundir estos trminos, lo que es
debido, segn los autores a la imprecisin del lenguaje ordinario, en el que
Captulo 4

180
independiente puede significar, a veces, separado. La respuesta correcta sera la
descrita en el apartado (d) ya que una de las definiciones de sucesos independientes
afirma que: Dos sucesos son independientes cuando la probabilidad de la interseccin
de dos sucesos es igual al producto de las probabilidades simples, es decir:
( ) ( ) ( ) P A B P A P B = . Esta propiedad se cumple en el tem, puesto que:
1
( )
40
P A B = ;
10 4 1
( ) ( ) .
4040 40
P A P B = =
Por tanto los sucesos A y B son independientes. Los distractores tratan de detectar
diferentes errores descritos en la literatura:
En el distractor (a) se trata de detectar la posible confusin entre sucesos
excluyentes y sucesos independientes descrito por Kelly y Zwiers (1986), puesto
que los sucesos no son excluyentes, aunque si independientes.
En el distractor (b) se trata de detectar la creencia errnea que slo pueden ser
independientes los sucesos de experimentos diacrnicos. Totohasina (1992) indica
que algunos estudiantes tienen dificultad en reconocer la independencia en sucesos
sincrnicos como en este problema.
En el distractor (c) se presenta la definicin correcta de la regla del producto, junto
con la afirmacin incorrecta que esta regla no se cumple en el caso de sucesos
independientes. En este caso se cumple porque los sucesos son independientes.

En resumen, el contenido primario de este tem es distinguir entre sucesos
independientes y mutuamente excluyentes. El alumno debe tambin saber resolver
correctamente problemas de probabilidad compuesta haciendo uso de la regla del
producto en experimentos independientes, que sera el contenido secundario.


tem 3. La probabilidad de que una mujer de 40 aos tenga una mamografa positiva es el 10.3%. La
probabilidad de que una mujer de 40 aos tenga cncer de pecho y una mamografa positiva es de 0.8%.
Una mujer de 40 aos se realiza una mamografa y resulta positiva. Cul es la probabilidad de que
realmente tenga cncer?
a.
0,8
0,0776
10,3
=
, probabilidad de 7,76%
b. 10,3 0,8 8,24 = , probabilidad del 8,24%
c. 0,8 %


Este tem se incluye para comprobar si los estudiantes confunden la probabilidad
conjunta y condicional, sesgo descrito por Pollatsek, Well, Konold y Hardiman (1987),
Evaluacin de conocimientos de futuros profesores de secundaria
181
y Einhorn y Hogarth (1986) en la interpretacin de los enunciados de los problemas de
probabilidad. Tversky y Kahneman (1982b) y Daz (2005) lo describen en relacin con
la falacia de la conjuncin o creencia de que es ms probable la interseccin de dos
sucesos que cada uno de ellos por separado.
Para resolverlo, el alumno debe identificar los datos del problema e interpretar las
diferentes probabilidades. Si denotamos por +al suceso mujer de 40 aos con una
mamografa positiva y C al suceso mujer de 40 aos con cncer de pecho. Entonces
tenemos que ( ) 0,103 P + = y ( ) 0,008 P C+ = . Adems debe recordar la frmula
para calcularla:
( )
0'8
/ 0'0776.
10.3
P C + = =
Si el alumno elige el distractor (b), est aplicando la regla del producto, en lugar de
dividir las probabilidades, por tanto no recuerda la frmula de la probabilidad
condicional.
Si el alumno elige el distractor (c) confunde probabilidad conjunta y condicional,
por tanto otro contenido secundario sera confundir probabilidad conjunta,
condicional y simple.

El contenido primario de este tem es resolver correctamente problemas de
probabilidad condicional a partir de probabilidades conjuntas y simples. Como
contenidos secundarios encontramos resolver correctamente problemas de
probabilidad condicional en situaciones sincrnicas y confundir probabilidad
conjunta, condicional y simple.


tem 4. Supn que Rafa Nadal alcanza la final de Roland Garros en 2004. Cul de los siguientes
sucesos consideras ms probable?
a. Rafa Nadal pierde el primer set
b. Rafa Nadal pierde el primer set pero gana el partido
c. Los dos sucesos son iguales de probables


Este tem evala el sesgo conocido como falacia de la conjuncin, descrito por
Tversky y Kahneman (1982b), que consiste en la creencia de que es ms probable la
interseccin de dos sucesos que cada uno de ellos por separado. La respuesta correcta es
la (a) ya que la probabilidad conjunta se puede descomponer como producto de dos
probabilidades. Estas dos probabilidades son simples si los sucesos que intervienen en
Captulo 4

182
la probabilidad conjunta son mutuamente independientes. Por tanto, tenemos el
producto de dos nmeros entre cero y uno, por lo que el resultado siempre va a ser
menor que cada una de las probabilidades por separado.
Si el alumno elige el distractor (b) est usando la falacia de la conjuncin,
asignando mayor valor a la probabilidad conjunta que a la simple de cada uno de los
sucesos que intervienen.
Si el alumno elige el distractor (c) est considerando como equiprobables la
probabilidad simple y conjunta. Este razonamiento errneo, definido como sesgo
de equiprobabilidad, ha sido descrito por Lecoutre y Durand (1988), Lecoutre y
Cordier (1990) y Lecoutre (1992).

En resumen, este tem corresponde al contenido primario falacia de la
conjuncin y como secundario distinguir entre probabilidad conjunta, condicional y
simple ya que el alumno ha de interpretar las opciones (a) y (b) respectivamente como
probabilidades simples y conjuntas.


tem 5. Un test diagnstico de cncer fue administrado a todos los residentes en una gran ciudad. Un
resultado positivo en el test es indicativo de cncer y un resultado negativo es indicativo de ausencia de
cncer. En cul de las siguientes predicciones tienes ms confianza?
a. Predecir que una persona tiene cncer si ha dado positivo en el test de diagnstico.
b. Predecir un resultado positivo en el test de diagnstico si la persona tiene cncer.
c. Tengo la misma confianza en ambas predicciones.


Este tem evala la falacia de la condicional transpuesta, descrita por Falk
(1986) como la incorrecta discriminacin entre las dos direcciones de la probabilidad
condicional ( ) / P A B y ( ) / P B A . Eddy (1982) expone que este error se observa en
enunciados de contextos mdicos, donde se confunde la probabilidad de tener una
enfermedad cuando el test de diagnstico resulta positivo, con la probabilidad de un
resultado positivo en el test de diagnstico, dado que se tiene la enfermedad.
El resultado (b) es el ms probable ya que este tipo de test se disea para detectar
una cierta enfermedad. La probabilidad de que una persona sana tenga un resultado
positivo (falso positivo) en la prueba es muy pequea, pero no imposible y el alto
nmero de personas sanas en la poblacin hace que la probabilidad de estar enfermos si
el test ha sido positivo no sea, en general, demasiado alta (Eddy, 1982).
Evaluacin de conocimientos de futuros profesores de secundaria
183
Si el alumno elige el distractor (a) est incurriendo en la denominada como falacia
de la condicional traspuesta, ya que est confundiendo la condicin con el
condicionado (probabilidad condicional con su inversa).
Si el alumno elige el distractor (c) est incurriendo en un error, ya que afirma que la
probabilidad de que tenga cncer es igual a la probabilidad de que el test de positivo,
es decir ( ) / ( / ) P A B P B A = si y slo s ( ) ( ) P A P B = . Si esto ocurriera el test sera
fiable al 100% cosa que no es cierta ya que en tal caso no habran falsos positivos.
Es decir se manifiesta confusin entre una situacin condicional y una diagnstica.

En resumen este tem evala como contenido primario la falacia de la
condicional transpuesta y como contenido secundario si el alumno distingue entre
probabilidad condicional y su inversa (distractor a).


tem 6. Una bola se suelta en E. Si sale por R, Cul es la probabilidad de
que haya pasado por el canal I?
a. 050
b. 033
c. 066
d. No se puede calcular


Este tem evala la falacia del eje de tiempo, descrita por Falk (1989), que
consiste en creer que un suceso no puede condicionar otro que ocurra anteriormente.
Este problema tambin ha sido descrito como concepcin cronologista de la
probabilidad condicional por Gras y Totohasina (1995). Autores como Estrada, Daz y
de la Fuente (2006) indican que la comprensin de la relacin de condicionalidad se
dificulta si la secuencia temporal de los sucesos no coincide con el orden dado en el
condicionamiento. El resultado (c) es el correcto ya que para resolver este tem, el
alumno ha de tener en cuenta que si la bola pasa por el canal II puede caer por R o por
B, y si pasa por I, slo puede caer por R. El espacio muestral de este experimento sera:
{(I,R), (II,R), (II,B)} siendo:
( )
1
,
2
P I R = , ( )
1
,
4
P II R = y ( )
1
,
4
P II B = .
Por tanto la probabilidad condicionada viene dada por:
( ) ( ) ( )
1/ 2 2
/ , /
3/ 4 3
P I R P I R P R = = = .
Captulo 4

184
Otro razonamiento es que a R llega el doble de bolas desde I que desde II. Luego,
( ) / 2/ 3 P I R = .
Si se elige el distractor (a) no se est teniendo en cuenta las bolas que caen por el
orificio B, es decir no se tiene en cuenta el condicionamiento por un suceso
posterior, haciendo una incorrecta restriccin del espacio muestral.
Si se elige el distractor (b) se est confundiendo el suceso condicionado ya que se
est calculando la probabilidad de que habiendo salido la bola por R, la bola haya
pasado por II.
Si se elige el distractor (d) se comete la falacia del eje de tiempos, ya que se
piensa que no se puede calcular la probabilidad de un suceso condicionado a otro
que ocurra anteriormente.

En resumen este tem evala como contenido primario si los alumnos son capaces
de resolver correctamente problemas condicionales cuando se invierte el eje del
tiempo (falacia del eje de tiempos) y resolver correctamente problemas de
probabilidad condicional en situaciones diacrnicas. Como objetivo secundario, el
contenido resolver correctamente problemas de probabilidad condicional a partir de
probabilidades conjuntas y simples.


tem 7.a. Una urna contiene dos bolas blancas y dos bolas negras. Extraemos a ciegas dos bolas de la
urna, una detrs de otra, sin reemplazamiento. Cul es la probabilidad de extraer una bola negra en
segundo lugar, habiendo extrado una bola negra en primer lugar? P (N2/ N1)
a. 1/ 2
b. 1/ 6
c. 1/ 3
d. 1/ 4


Este tem evala la capacidad de resolver problemas de probabilidad condicional
en un contexto de muestreo sin reposicin. El alumno ha de tener en cuenta la
composicin de la urna una vez sacada la bola negra, es decir, el hecho de que la
probabilidad condicional supone una restriccin del espacio muestral. Una vez sacada
una bola negra de la urna tenemos una bola negra y dos blancas, por lo que la
probabilidad de obtener una bola negra es igual a 1/3.
Si el alumno eligi el distractor (a) est confundiendo muestreo con y sin
reposicin, ya que est considerando que la extraccin de la bola negra no modifica
Evaluacin de conocimientos de futuros profesores de secundaria
185
el espacio muestral y, por tanto, la probabilidad es igual a 1/2.
Si el alumno eligi el distractor (b) est confundiendo la probabilidad condicional
con la conjunta ya que est aplicando la regla del producto: (1/2)(1/3)=1/6.
Si el alumno eligi el distractor (d) est confundiendo probabilidad condicional y
probabilidad simple, ya que slo est considerando la probabilidad de obtener una
bola negra en la primera extraccin (1/4).

En resumen, este tem incluye como contenido primario resolver correctamente
problemas en contexto de muestreo sin reposicin y como secundarios resolver
correctamente problemas de probabilidad condicional en situaciones diacrnicas, as
como distinguir sucesos dependientes e independientes.


tem 7.b. Cul es la probabilidad de extraer una bola negra en primer lugar, sabiendo que hemos
extrado una bola negra en segundo lugar? P (N1/ N2)
a. 1/ 3
b. 1/ 4
c. 1/ 6
d. 1/ 2


Este tem evala la falacia del eje de tiempo (Falk, 1986) descrita anteriormente.
Este problema parte de una inferencia inversa, lo que requiere un razonamiento
probabilstico que es indiferente al orden temporal (Daz, 2007). Para resolverlo, el
alumno tiene que entender la diferencia entre muestreo con reposicin y sin reposicin.
Adems tiene que darse cuenta de que si en segundo lugar, hay una bola negra, sta
queda eliminada en la primera extraccin, por lo que el espacio muestral de la primera
extraccin queda restringido. Por tanto la solucin parte de que al conocer que la
segunda bola es negra el espacio muestral se restringe a { }
1 2
( , );( , );( , ) n n b n b n y por
tanto
1
( , )
3
P n n = .
Si el alumno elige el distractor (d) no se est teniendo en cuenta el condicionamiento
a un suceso que ocurre posteriormente, ya que se calcula la probabilidad simple, de
que la primera bola sea negra. Con este distractor se evala la falacia del eje
temporal al no tener en cuenta un suceso posterior.
Si el alumno elige el distractor (b) est confundiendo probabilidad condicional con
probabilidad conjunta, ya que est calculando la probabilidad conjunta de sacar una
Captulo 4

186
bola negra en primer lugar y una bola negra en segundo lugar.

Este tem tiene como contenido primario resolver correctamente problemas de
probabilidad condicional cuando se invierte el eje de tiempo y como secundarios
resolver correctamente problemas en contexto de muestreo sin reposicin,
reconocer que la probabilidad condicional supone una restriccin del espacio
muestral y distinguir entre probabilidad condicional, conjunta y simple.

4.6.3.2. ITEMS ABIERTOS: DEFINICIN Y PROBLEMAS DE
PROBABILIDAD CONDICIONAL


tem 8. Explica con tus propias palabras la diferencia entre una probabilidad simple y una probabilidad
condicional.


Este tem permite valorar la comprensin del contenido definicin de la
probabilidad condicional, contenido secundario en todos los tems del instrumento,
puesto que es necesario conocerla para poder calcularla. Adems el contenido
distinguir probabilidad conjunta, condicional y simple sera un contenido secundario.
Consideramos correctas las respuestas donde el alumno, o bien da una definicin
correcta o pone un ejemplo adecuado de cada una de las probabilidades. Tambin
admitimos los estudiantes que indican las diferencias entre los conceptos o ejemplos en
que se vean claramente las diferencias.


tem 9. Hemos lanzado dos dados y sabemos que el producto de los dos nmeros obtenidos ha sido 12
Cul es la probabilidad de que ninguno de los dos nmeros sea un 6?


Para calcular la probabilidad pedida en un slo experimento, el alumno debe
reconocer que la probabilidad condicional supone una restriccin del espacio
muestral, ya que slo debe tomar como casos posibles el conjunto {(2, 6) (3,4), (4,3) y
(6,2)}. La probabilidad pedida es igual a 1/2 ya que slo hay dos casos favorables.
Maury (1986) indica que parte de la dificultad de los problemas se debe a que los
alumnos no son capaces de identificar y restringir correctamente el espacio muestral en
la probabilidad condicional.
Evaluacin de conocimientos de futuros profesores de secundaria
187
Para resolver correctamente el problema, el alumno debe ser capaz de enumerar el
espacio muestral obtenido al lanzar dos dados (36 casos posibles), como indica la
Figura 4.6.1, identificando los casos en que el producto es 12. Debe ser tambin capaz
de identificar la situacin como de muestreo sin reposicin puesto que cada valor
obtenido del primer dado puede repetirse en el segundo. Tiene tambin que tener en
cuenta que el orden debe considerarse al resolver el problema.

Figura 4.6.1. Espacio muestral de lanzar dos dados
1,1 1,2 1,3 1,4 1,5 1,6
2,1 2,2 2,3 2,4 2,5 2,6
3,1 3,2 3,3 3,4 3,5 3,6
4,1 4,2 4,3 4,4 4,5 4,6
5,1 5,2 5,3 5,4 5,5 5,6
6,1 6,2 6,3 6,4 6,5 6,6

En consecuencia, este tem corresponde al contenido primario calcular la
probabilidad condicional en un slo experimento, y como secundarios la probabilidad
condicional supone una restriccin del espacio muestral, y calcular la probabilidad
condicional en muestreo sin reposicin.


tem 10. En una ciudad hay 60 hombres y 40 mujeres por cada 100 habitantes. 50 de cada 100 hombres
y 25 de cada 100 mujeres fuman. Si cogemos 200 personas al azar, cuntas de ellas fumarn?


El objetivo de este problema es evaluar la capacidad del estudiante para resolver
problemas que involucren la frmula de la probabilidad total. Denotando como F al
suceso fumar, M al suceso ser mujer y H al suceso ser hombre y aplicando la
frmula de la probabilidad total tenemos que la solucin de este tem es:
( ) ( ) ( ) ( ) ( ) ( ) ( ) / / P F P H F P M F P H P F H P M P F M = + = +
( ) 0,6 0,5 0,4 0,25 0,4 P F = + = .
Por tanto el nmero esperado de personas que fuman, de un total de 200 sera:
200 0,4 80 = .
Otra forma para resolver este problema es utilizando una tabla de doble entrada
como la Tabla 4.6.1, donde se trabaja con datos enteros y hay que aplicar una
Captulo 4

188
proporcin para calcular los datos de las celdas. Si de cada 100 personas fuman 40, de
200 personas, fumarn 80.

Tabla 4.6.1. Tabla de doble entrada del problema
Fuma No fuma
Hombres 30 30 60
Mujeres 10 30 40
40 60 100

En consecuencia, el contenido primario sera aplicar correctamente la regla de
la probabilidad total. Adems, como contenidos secundarios, se pretende conocer si
son capaces de calcular la probabilidad compuesta haciendo uso de la regla del
producto en caso de sucesos dependientes, resolver correctamente problemas en
situaciones sincrnicas y distinguir probabilidad condicional con inversa.


tem 11. Una persona lanza un dado y anota si saca un nmero par o impar. Estos son los resultados:

par, impar, impar, par, par, impar, par, par, par, par, impar, impar, par, par, par.

Lanza el dado de nuevo. Cul es la probabilidad de sacar un nmero par en la siguiente tirada?


Este tem pretende analizar la resolucin de problemas de clculo de
probabilidad condicional en contexto de muestreo con reposicin, pues cada
lanzamiento del dado se puede considerar como extraccin al azar de un nmero del 1 a
6. Tambin se puede comprobar si se da en los alumnos la falacia del jugador, esto
es, considerar que para el clculo de la probabilidad pedida se debe tener en cuenta los
resultados anteriores, es decir pensar que porque un hecho no ha ocurrido en el pasado
es ms fcil que ocurra en el futuro.
La solucin, al tratarse de experimentos independientes, es de 1/2 ya que
tendramos un caso favorable de dos posibles y los diferentes lanzamientos son
independientes unos de otros. El tem requiere que el alumno comprenda que las
ocurrencias anteriores no afectan la probabilidad de un suceso cuando los experimentos
son independientes, como es el caso del muestreo sin reposicin.
Como no se especifica si el dado es sesgado, se podra admitir tambin la solucin
10/15, si el alumno estima la probabilidad mediante la frecuencia relativa. Por tanto este
tem tiene como contenido primario resolver correctamente problemas en contexto de
muestreo con reposicin y como secundario resolver correctamente problemas de
Evaluacin de conocimientos de futuros profesores de secundaria
189
probabilidad condicional en situaciones diacrnicas, as como distinguir entre
sucesos dependientes e independientes.


tem 12. En una encuesta publicada en un peridico se informa que el 91% de los habitantes de una
ciudad mienten usualmente y de ellos el 36% mienten sobre cosas importantes. Si nos encontramos con
una persona al azar de esta ciudad, cul es la probabilidad de que mienta sobre cosas importantes?


Este tem pretende comprobar si los alumnos son capaces de calcular una
probabilidad conjunta en una situacin sincrnica en caso de sucesos dependientes.
Para resolver el problema, el alumno podra utilizar un diagrama en rbol como el
presentado en la Figura 4.6.2. Los sucesos son dependientes, pues si una persona no
miente, tampoco miente sobre cosas importantes. Por tanto aplicando la regla del
producto para el caso de sucesos dependientes, tenemos:
( ) ( ) ( ) ( ) / 0,91 0,36 0,327. P I P M I P M P I M = = = =

Figura 4.6.2. Diagrama de rbol del problema


Observamos que el estudiante ha de utilizar la frmula de probabilidad
condicional, aplicndola directamente, una vez identificados los sucesos de inters y sus
probabilidades. En resumen, este tem evala como contenido primario resolver
correctamente problemas de probabilidad condicional en situaciones sincrnicas y
resolver correctamente problemas de probabilidad compuesta en caso de sucesos
dependientes, y como secundario, el contenido calcular una probabilidad
condicional dentro de un nico experimento.


tem 13. Una fbrica dispone de dos mquinas M1 y M2 que fabrican bolas. La mquina M1 fabrica el
40 % de las bolas y la M2 el 60%. El 5% de las bolas fabricadas por M1 y el 1% de las fabricadas por
M2 son defectuosas. Tomamos una bola al azar que resulta ser defectuosa. Cul es la probabilidad de
que haya sido fabricada por M1?

Captulo 4

190
Este tem pretende conocer si los alumnos reconocen la necesidad del uso del
teorema de Bayes y de la frmula de la probabilidad total para resolver el problema, a la
vez que comprobamos si utilizan correctamente la frmula de ambas. Adems se quiere
conocer si los alumnos presentan la falacia de la tasa base. Por tanto el alumno ha de
utilizar correctamente la frmula del teorema de Bayes, definida como:
1 1 1
1
( ) ( / ) ( )
( / ) .
( ) ( )
P D M P D M P M
P M D
P D P D

= =
Previamente para calcular ( ) P D ha de hacer uso de la frmula de la probabilidad
total:
1 1 2 2
( ) ( / ) ( ) ( / ) ( ). P D P D M P M P D M P M = + El resultado correcto por tanto es:
( ) 0,4 0,05 0,6 0,01. P D = +
1
0,4 0,05
( / ) 0,7692.
0,4 0,05 0,6 0,01
P M D

= =
+


Como vemos, el tem tiene como contenido primario aplicar correctamente el
clculo de probabilidad condicional en situaciones de probabilidad inversa (Teorema
de Bayes). Y como contenidos secundarios los siguientes: aplicar correctamente la
regla de la probabilidad total, resolver problemas de probabilidad condicional a
partir de probabilidades conjuntas y simples, resolver correctamente problemas
condicionales cuando se invierte el eje de tiempos y resolver correctamente
problemas en situaciones sincrnicas.


tem 14. Un grupo de alumnos de un colegio se examina de Matemticas e Ingls. La proporcin de
alumnos que aprueban Matemticas es del 80% y la proporcin de alumnos que aprueba Ingls es del
70%. Suponiendo que las notas en cada una de las asignaturas son independientes, Cul es la
probabilidad de que un alumno escogido al azar haya aprobado ambas asignaturas?


Este tem pretende conocer si los alumnos son capaces de calcular la probabilidad
conjunta para sucesos independientes. Por tanto para resolver este tem hay que hacer
uso de la regla del producto, teniendo en cuenta que los sucesos son independientes
entre s. Utilizando la propiedad de independencia de dos sucesos, dos sucesos son
independientes si y slo si cumplen que la probabilidad conjunta es igual al producto de
las probabilidades simples de cada uno de los sucesos:
( ) ( ) ( ) 0,8 0,7 0,56. P M I P M P I = = =

Evaluacin de conocimientos de futuros profesores de secundaria
191
En resumen, este tem evala como contenido principal calcular la probabilidad
compuesta haciendo uso de la regla del producto en caso de sucesos independientes, y
como secundarios distinguir entre sucesos dependientes e independientes, y
resolver correctamente problemas de probabilidad compuesta haciendo uso de la
regla del producto en caso de sucesos dependientes.

Resumen de contenidos evaluados
Tabla 4.6.2. Contenidos primarios y secundarios evaluados por los tems
Contenido Primario Secundario
1. Definicin de la probabilidad condicional; diferenciar de simple y
compuesta
8 Todos
2. Reconocer que la probabilidad condicional supone una restriccin del
espacio muestral
9 7a, 7b
3. Distinguir una probabilidad conjunta y su inversa; falacia de la condicional
transpuesta
5 1, 10
4. Distinguir entre probabilidad condicional y conjunta 3
5. Probabilidad conjunta menor que probabilidad simple; falacia de la
conjuncin
4
6. Distinguir sucesos independientes, dependientes y mutuamente excluyentes 2 7a, 11, 14
7. Calcular una probabilidad condicional dentro de un nico experimento 9 12
8. Resolver correctamente problemas de probabilidad condicional en un
contexto de muestreo con reposicin
11 9
9. Resolver correctamente problemas de probabilidad condicional en un
contexto de muestreo sin reposicin
7a 7b
10. Resolver correctamente problemas de probabilidad condicional a partir de
probabilidades conjuntas y simples
3
1, 6, 7a, 11,
13, 14
11. Resolver correctamente problemas condicionales cuando se invierte el eje
de tiempo; falacia del eje de tiempos
6, 7b 13
12. Resolver correctamente problemas en situaciones diacrnicas 6 7a, 11
13. Resolver correctamente problemas en situaciones sincrnicas 12 1, 3, 10, 13
14. Resolver correctamente problemas de probabilidad compuesta haciendo uso
de la regla del producto en caso de sucesos independientes
14 2
15. Resolver correctamente problemas de probabilidad compuesta haciendo uso
de la regla del producto en caso de sucesos dependientes
12 10, 13
16. Aplicar correctamente el clculo de la probabilidad condicional en
situaciones de sucesos mltiples (regla de la probabilidad total)
10 1, 13
17. Aplicar correctamente el clculo de la probabilidad condicional en
situaciones de probabilidad inversa (regla de Bayes)
13 1
18. Falacia de las tasas base 1

En la Tabla 4.6.2 resumimos los distintos contenidos que se evalan en los tems
que incluiremos en el instrumento, diferenciando si el contenido de inters del tem se
consideraba como primario o secundario. En total hemos considerado 18 contenidos, de
modo que cada contenido primario es representado por uno o dos tems. Adems,
algunos de estos contenidos aparecen como secundarios en otros. Como vemos, los
tems elegidos para llevar a cabo la evaluacin permiten estudiar, tanto el conocimiento
formal, representado por el conocimiento de la definicin y la capacidad de resolver
Captulo 4

192
problemas, como los sesgos de razonamiento.

4.7. RESULTADOS

En este apartado se muestran los resultados obtenidos en las respuestas de los
futuros profesores a los diferentes tems. Presentamos por un lado, la comparacin de
los datos en nuestra muestra de alumnos con la proporcionada por Daz (2007).
Tambin se comparan los resultados para los dos grupos de nuestra muestra por
separado (alumnos de la Licenciatura de Matemticas con alumnos de Mster), junto
con un anlisis del nmero de sesgos dados por los alumnos.

4.7.1. SESGOS EN EL RAZONAMIENTO SOBRE PROBABILIDAD
CONDICIONAL

Comenzamos el anlisis de resultados con el estudio de los tems de opcin
mltiple, en la mayora de los cules se evala la existencia de algunos sesgos sobre el
razonamiento condicional. Comentaremos los resultados en cada uno de los distractores
que componen el tem.

Resultados en el tem 1. Falacia de las tasas base

tem 1. Un taxi se vio implicado en un accidente nocturno con choque y huida posterior. Hay dos
compaas de taxis en la ciudad, la Verde y la Azul. El 85% de los taxis de la ciudad son Verde y el
15% Azul. Un testigo identific el taxi como Azul. El tribunal comprob la fiabilidad del testigo
bajo las mismas circunstancias que haba la noche del accidente y lleg a la conclusin de que el
testigo identificaba correctamente cada uno de los colores en el 80% de las ocasiones y fallaba en el
20%. Cul es la probabilidad de que el taxi implicado en el accidente fuera en efecto Azul?
a. 80 %
b. 15%
c. (15/100) x (80/100)
d. 41 %



Compararemos en primer lugar los resultados en este tem en el global de nuestra
muestra (Tabla 4.7.1) con los resultados de Daz (2007) en estudiantes de Psicologa. El
tem result difcil, pues solamente el 7,7% de los futuros profesores fue capaz de dar
una respuesta correcta, a la cuestin planteada. El resultado ha sido mucho peor que los
obtenidos por Daz, donde un 49,8% de estudiantes de Psicologa respondieron
Evaluacin de conocimientos de futuros profesores de secundaria
193
correctamente al problema; por tanto Daz obtuvo un 42,1% ms de aciertos que los
obtenidos en nuestro estudio.

Tabla 4.7.1. Resultados en el tem 1
Futuros profesores (n=196) Psicologa (n=414)
Frecuencia Porcentaje Frecuencia Porcentaje
a. 80 % 49 25,0 33 8,0
b. 15% 29 14,8 29 7,0
c. (15/100) x (80/100) 100 51,0 121 29,2
d. 41 % 15 7,7 206 49,8
En blanco. 3 1,5 25 6,0
Total 196 100,0 414 100,0

El 39,8% de los estudiantes de nuestra muestra eligen las repuestas (a) y (b), que
indican la falacia de las tasas base. El 25% de ellos respondi dando la solucin (a) en
la que slo se tiene en cuenta el porcentaje de identificaciones correctas por parte del
testigo y el 14,8% opt por la solucin (b), en la que slo se tiene en cuenta el
porcentaje de taxis azules de la ciudad, por lo que ambas respuestas indican que este
grupo de alumnos interpretan el problema como de probabilidad simple. Los resultados
fueron mejores en los estudiantes de Psicologa, quienes debido a sus estudios de
psicologa del razonamiento, pueden haber ledo alguna literatura relacionada con los
sesgos en el razonamiento estocstico, lo que es poco probable en los estudiantes de
nuestra muestra. En todo caso, nuestros resultados son mejores que los obtenidos por
Pollatsek y cols. (1987), quienes encontraron que el 69% de los sujetos de su estudio
presentaban esta falacia.
Fue muy alta la proporcin de participantes en nuestra muestra (51%) que
respondi a la alternativa (c), confundiendo en este problema probabilidad condicional y
conjunta. Esta fue la segunda respuesta mayoritaria de alumnos de Psicologa 29,2%,
aunque tambin con menor frecuencia que en los futuros profesores. Los alumnos de
Psicologa dejan ms respuestas en blanco en este tem que los de nuestra muestra,
aunque el porcentaje es, de todos modos, pequeo.
En segundo lugar compararemos los resultados en los dos grupos de nuestra
muestra (Tabla 4.7.2), los alumnos que estudian Matemticas y los alumnos del Mster.
No se observan diferencias en el porcentaje de alumnos que respondieron correctamente
(7,4% en los alumnos de Matemticas y 7,9% en los alumnos del Mster). Si existe un
poco ms de diferencia en los alumnos que respondieron incorrectamente al distractor
(b), ya que el porcentaje de alumnos del Mster que eligi este distractor fue un 12,4%
Captulo 4

194
mayor. El total de alumnos que manifiestan la falacia de las tasas base es algo menor en
los estudiantes de la Licenciatura de Matemticas (31,6% de los alumnos de
matemticas y 47,5% de los alumnos del Mster). Por el contrario, los alumnos de
Matemticas tienden mayoritariamente (un 58,9%) a confundir la solucin con un
problema de probabilidad conjunta, lo que tambin ocurre con los alumnos del mster
pero en menor medida (un 43,6%).

Tabla 4.7.2. Resultados en el tem 1 (Matemticas y Mster de Secundaria)
Matemticas (n=95) Mster (n=101)
Frecuencia Porcentaje Frecuencia Porcentaje
a. 80 % 22 23,2 27 26,7
b. 15% 8 8,4 21 20,8
c. (15/100) x (80/100) 56 58,9 44 43,6
d. 41 % 7 7,4 8 7,9
En blanco. 2 2,1 1 1,0
Total 95 100,0 101 100,0


Resultados en el tem 2. Confusin entre sucesos excluyentes e independientes

tem 2. Se extrae una carta al azar de una baraja espaola (40 cartas con nmeros del 1 al 7, sota
caballo y rey): sea A el suceso se extrae una carta de oros y B el suceso se extrae un rey Los
sucesos A y B son independientes?
a. No son independientes porque en la baraja hay un rey de oros.
b. Slo si sacamos primero una carta para ver si es rey y se vuelve a colocar en la baraja y luego
sacamos una segunda carta para mirar si es oros.
c. No, porque P(rey de oros)=P(rey) x P(oros)
d. S, en todos los casos.


Como vimos anteriormente, este tem evala si los alumnos distinguen sucesos
dependientes, independientes y excluyentes. En la muestra global un 26% de
participantes, (Tabla 4.7.3) interpretan correctamente el problema dando la solucin (d).
La proporcin es muy similar a la obtenida por Daz, cuyos estudiantes respondieron
correctamente en un 29%. En ambos casos es una proporcin muy pequea, teniendo en
cuenta que el contexto de juegos de cartas es bien conocido y que basta aplicar
directamente la definicin de independencia para dar la respuesta correcta.
El 32,1% de los futuros profesores y el 28,5% de los psiclogos confundieron la
solucin correcta con el distractor (a), por lo que se trata de alumnos que tienen
problemas a la hora de diferenciar entre sucesos excluyentes y sucesos independientes.
Este resultado est de acuerdo con las investigaciones de Kelly y Zwiers (1986), quienes
sugieren que una posible causa del alto porcentaje de alumnos que cometen este sesgo
Evaluacin de conocimientos de futuros profesores de secundaria
195
puede ser debido a la imprecisin del lenguaje ordinario. La proporcin fue algo mayor
en los futuros profesores aunque no demasiado.

Tabla 4.7.3. Resultados en el tem 2
Futuros profesores (n=196) Psicologa (n=414)
Frecuencia Porcentaje Frecuencia Porcentaje
a. No son independientes porque en la baraja hay
un rey de oros.
63 32,1 118 28,5
b. Slo si sacamos primero una carta para ver si es
rey y se vuelve a colocar en la baraja y luego
sacamos una segunda carta para mirar si es oros.
64 32,7 61 14,7
c. No, porque P(rey de oros) =P(rey) x P(oros) 17 8,7 82 19,8
d. S, en todos los casos. 51 26,0 120 29,0
En blanco. 1 0,5 33 8,0
Total 196 100,0 414 100,0

El 32,7% de futuros profesores y el 14,7% de los psiclogos respondieron
mediante el distractor (b), es decir se trata de alumnos que creen que solamente pueden
ser independientes los sucesos de experimentos diacrnicos. Las situaciones sincrnicas
dificultan el cambio de espacio muestral, como comprueba Ojeda (1995) al plantear el
problema a alumnos de entre 14 y 16 aos, el 60% de los cules dio una respuesta
errnea. El porcentaje menor, en el caso de los futuros profesores (8,7%) e intermedio
en el caso de los psiclogos (19,8%), fue para el distractor (c). Estos alumnos son
aquellos que interpretan incorrectamente la regla del producto, ya que afirman que no se
ha de cumplir esta regla en el caso de sucesos independientes.
Como resumen vemos que, en general, hay problemas a la hora de diferenciar
entre independencia, dependencia y sucesos excluyentes ya que un 74% de los futuros
profesores y un 71% de los psiclogos erraron en la solucin correcta.
En la Tabla 4.7.4 tenemos los resultados respecto a los dos grupos de nuestra
muestra. Observamos que el porcentaje de respuestas correctas es un 15,8% mayor en
los alumnos del mster, ya que los alumnos de matemticas se decantaron
mayoritariamente por los distractores (a) y (b). El porcentaje de errores en ambos
grupos es muy alto, aunque los alumnos de matemticas hay mayor confusin entre
sucesos excluyentes e independientes, pues un 16,3% se decantaron por el distractor (a).
Ocurre lo mismo con el distractor (b), un 4% mayor en el caso de los alumnos de la
licenciatura, es decir creen que solamente pueden ser independientes los sucesos de
experimentos diacrnicos.

Captulo 4

196
Tabla 4.7.4. Resultados en el tem 2 (Matemticas y Mster de Secundaria)
Matemticas (n=95) Mster (n=101)
Frecuencia Porcentaje Frecuencia Porcentaje
a. No son independientes porque en la baraja hay
un rey de oros.
39 41,1 24 23,8
b. Slo si sacamos primero una carta para ver si es
rey y se vuelve a colocar en la baraja y luego
sacamos una segunda carta para mirar si es oros.
33 34,7 31 30,7
c. No, porque P(rey de oros) =P(rey) x P(oros) 6 6,3 11 10,8
d. S, en todos los casos. 17 17,9 34 33,7
En blanco. - - 1 1,0
Total 95 100,0 101 100,0


Resultados en el tem 3. Confusin entre probabilidad condicional y conjunta


tem 3. La probabilidad de que una mujer de 40 aos tenga una mamografa positiva es el 10.3 %. La
probabilidad de que una mujer de 40 aos tenga cncer de pecho y una mamografa positiva es de
0.8%. Una mujer de 40 aos se realiza una mamografa y resulta positiva. Cul es la probabilidad de
que realmente tenga cncer?
a.
0,8
0,0776
10,3
=
, probabilidad de 7,76%
b. 10,3 0,8 8,24 = , probabilidad del 8,24%
c. 0,8 %


Con este tem se pretende evaluar la confusin entre probabilidad conjunta y
condicional, error descrito, entre otros, por Einhorn y Hogarth (1986), Falk (1986) y
Totohasina (1992). La Tabla 4.7.5 muestra los resultados, que son mejores que los de
Daz pues el 43,9% de nuestra muestra y el 33,8% de la de psicologa dieron una
respuesta correcta a este tem. Por tanto se tratan de alumnos que identifican
correctamente los datos del problema e interpretan las diferentes probabilidades para
construir la probabilidad condicional ( ) / P C + y a su vez recuerdan la frmula para
calcularla:
( )
0,8
/ 0,0776
10,3
P C + = =
.
El 23,5% de la muestra de futuros profesores y el 30,7% de psiclogos opt por el
distractor (b), por lo que estn aplicando la frmula del producto, en lugar de dividir las
probabilidades. Un 31,6% de la muestra de futuros profesores y el 32,6% de la de
psiclogos eligi el distractor (c), es decir tienen problemas a la hora de distinguir entre
probabilidad conjunta y condicional y vemos que los resultados son similares en ambas
muestras. Este porcentaje est de acuerdo con el estudio de Einhorn y Hogarth (1986)
los cuales sugieren que esto puede ser debido a la mala interpretacin de la conjuncin
y en los enunciados. Falk (1986) achaca la prevalencia de este error al uso de un
Evaluacin de conocimientos de futuros profesores de secundaria
197
lenguaje ambiguo en el enunciado de los problemas de probabilidad condicional.

Tabla 4.7.5. Resultados en el tem 3
Futuros profesores (n=196) Psicologa (n=414)
Frecuencia Porcentaje Frecuencia Porcentaje
a.
0,8
0,0776
10,3
=
, probabilidad de 7,76%
86 43,9 140 33,8
b. 10,3 0,8 8,24 = , probabilidad del 8,24%
46 23,5 127 30,7
c. 0,8 % 62 31,6 135 32,6
En blanco. 2 1,0 12 2,9
Total 196 100,0 414 100,0

En la Tabla 4.7.6 se comparan los dos grupos de nuestra muestra. En ella
observamos que el porcentaje de respuestas correctas es similar, con un 45,5% en
alumnos del Mster y un 42,1% en los alumnos de matemticas. En el distractor (b)
(olvido de la frmula) el porcentaje de alumnos de matemticas que eligi dicha
respuesta casi dobla al de alumnos del mster con un 30,5%. En cambio el porcentaje de
alumnos del Mster que confunde probabilidad condicional con probabilidad conjunta,
distractor (c), es mayor que los alumnos de la licenciatura en un 10,3%.

Tabla 4.7.6. Resultados en el tem 3 (Matemticas y Mster de Secundaria)


Resultados en el tem 4. Falacia de la conjuncin

tem 4. Supn que Rafa Nadal alcanza la final de Roland Garros en 2004. Cul de los siguientes
sucesos consideras ms probable?
a. Rafa Nadal pierde el primer set
b. Rafa Nadal pierde el primer set pero gana el partido
c. Los dos sucesos son iguales de probables


Este tem evala la falacia de la conjuncin, (Tversky y Kahneman, 1982b). En
este caso la solucin correcta es la (a), ya que al ser sucesos independientes esta va a ser
menor que la probabilidad dada en el distractor (b), en la que intervienen los sucesos
Matemticas (n=95) Mster (n=101)
Frecuencia Porcentaje Frecuencia Porcentaje
a.
0,8
0,0776
10,3
=
, probabilidad de 7,76%
40 42,1 46 45,5
b. 10,3 0,8 8,24 = , probabilidad del 8,24%
29 30,5 17 16,9
c. 0,8 % 25 26,3 37 36,6
En blanco. 1 1,1 1 1,0
Total 95 100,0 101 100,0
Captulo 4

198
ganar el segundo y tercer set. Como vemos en la Tabla 4.7.7, el 57,1% de los alumnos
de la muestra global dio una solucin correcta; por tanto estos alumnos distinguen
correctamente entre probabilidad conjunta, condicional y simple. Los resultados son
bastante mejores en este tem que los de Daz, cuyo porcentaje de respuestas correctas
fue slo del 24,9%, un 32,2% menor que nuestra muestra.

Tabla 4.7.7. Resultados en el tem 4
Futuros profesores (n=196) Psicologa (n=414)
Frecuencia Porcentaje Frecuencia Porcentaje
a. Rafa Nadal pierde el primer set. 112 57,1 103 24,9
b. Rafa Nadal pierde el primer set pero gana el
partido.
23 11,8 39 9,4
c. Los dos sucesos son iguales de probables. 58 29,6 256 61,8
En blanco. 3 1,5 16 3,9
Total 196 100,0 414 100,0

Un 11,7% de nuestra muestra y un 9,4% de la de Psicologa optaron por la opcin
(b); se tratan de estudiantes que estn incurriendo en la falacia de la conjuncin. En
consecuencia, la falacia de la conjuncin tiene poca incidencia en ambos estudios. Un
29,6% de nuestra muestra y un 61,8% de la de Psicologa eligieron la opcin (c),
manifestando el sesgo de equiprobabilidad descrito en los experimentos de Lecoutre
(1992). Esta autora describe la creencia de los sujetos en la equiprobabilidad de todos
los sucesos asociados a cualquier experimento aleatorio, incluso en aquellos en que no
es aplicable el principio de indiferencia o donde no hay una simetra fsica. Este sesgo
tambin se observ en el estudio de Serrano (1996) con futuros profesores de primaria.

Tabla 4.7.8. Resultados en el tem 4 (Matemticas y Mster de Secundaria)
Matemticas (n=95) Mster (n=101)
Frecuencia Porcentaje Frecuencia Porcentaje
a. Rafa Nadal pierde el primer set. 40 42,1 72 71,3
b. Rafa Nadal pierde el primer set pero gana el
partido.
13 13,7 10 9,9
c. Los dos sucesos son iguales de probables. 40 42,1 18 17,8
En blanco. 2 2,1 1 1,0
Total 95 100,0 101 100,0

En la Tabla 4.7.8 presentamos los resultados para los dos grupos de nuestra
muestra. En este tem, el porcentaje de alumnos del Mster que responden
correctamente es del 71,3%, un 29,2% mayor que las respuestas correctas del grupo de
alumnos de la licenciatura, por lo que vemos que, como en otros tems anteriores, el alto
Evaluacin de conocimientos de futuros profesores de secundaria
199
conocimiento matemtico de estos alumnos no los prepara para enfrentarse a sus
intuiciones incorrectas en el campo de la probabilidad. El porcentaje de alumnos que
incurren en la falacia de la conjuncin es bajo en ambos grupos con un 13,7% y un
9,9% respectivamente. Por el contrario el porcentaje de alumnos de la licenciatura que
manifiesta el sesgo de equiprobabilidad es 24,3% mayor que la del mster, confirmando
nuestra anterior opinin.

Resultados en el tem 5. Falacia de la condicional transpuesta

tem 5. Un test diagnstico de cncer fue administrado a todos los residentes en una gran ciudad. Un
resultado positivo en el test es indicativo de cncer y un resultado negativo es indicativo de ausencia
de cncer. En cul de las siguientes predicciones tienes ms confianza?
a. Predecir que una persona tiene cncer si ha dado positivo en el test de diagnstico.
b. Predecir un resultado positivo en el test de diagnstico si la persona tiene cncer.
c. Tengo la misma confianza en ambas predicciones.


Este tem intenta evaluar si se incurre en la falacia de la condicional transpuesta.
Como muestra la Tabla 4.7.9, nuestros resultados son en este caso mejores que los de
Daz, pues de la muestra global un 41,3% dio la respuesta correcta (b), por lo que,
adems de distinguir entre las distintas situaciones, tambin son capaces de reconocer la
diferencias entre probabilidad condicional y su inversa. En la muestra de Daz el
porcentaje de aciertos fue menor (32,1%).

Tabla 4.7.9. Resultados en el tem 5
Futuros profesores (n=196) Psicologa (n=414)
Frecuencia Porcentaje Frecuencia Porcentaje
a. Predecir que una persona tiene cncer si ha
dado positivo en el test de diagnstico.
27 13,8 24 5,8
b. Predecir un resultado positivo en el test de
diagnstico si la persona tiene cncer.
81 41,3 133 32,1
c. Tengo la misma confianza en ambas
predicciones.
83 42,3 245 59,2
En blanco. 5 2,6 12 2,9
Total 196 100,0 414 100,0

El 42,3% y 59,2% de las respectivas muestras opt por el distractor (c), por tanto
manifiestan confusin entre situacin condicional y diagnstica, mostrando la falacia de
la condicional transpuesta, con alta frecuencia en ambas muestras, aunque algo menor
en la nuestra. Estos resultados tambin se obtienen en Batanero, Estepa, Godino y
Green (1996), aunque con menor frecuencia que en nuestro estudio.
Finalmente algunos sujetos que eligieron el distractor (a), el 13,8% de nuestra
Captulo 4

200
muestra y el 5,8% de la de Daz, incurrieron en la falacia de la condicional transpuesta.
Estos resultados son semejantes, aunque menores, a los dados por Batanero, Estepa,
Godino y Green (1996).
En la Tabla 4.7.10 observamos que el porcentaje que responde correctamente al
tem 5 es un 5,6% mayor en la muestra de alumnos de la licenciatura. En cambio, el
porcentaje de alumnos que incurren en la falacia de la conjuncin es algo menor en los
alumnos de la licenciatura con un 14,7% por un 12,9% de los alumnos del Mster. El
porcentaje de alumnos que manifiestan confusin entre situaciones condicionales y
diagnsticas es mayor en los estudiantes del mster (45,5%), siendo un 38,9% de los
alumnos de la licenciatura. Las proporciones en el distractor (a) son semejantes.

Tabla 4.7.10. Resultados en el tem 5 (Matemticas y Mster de Secundaria)
Matemticas (n=95) Mster (n=101)
Frecuencia Porcentaje Frecuencia Porcentaje
a. Predecir que una persona tiene cncer si ha dado
positivo en el test de diagnstico.
14 14,7 13 12,9
b. Predecir un resultado positivo en el test de
diagnstico si la persona tiene cncer.
42 44,3 39 38,6
c. Tengo la misma confianza en ambas predicciones. 37 38,9 46 45,5
En blanco. 2 2,1 3 3,0
Total 95 100,0 101 100,0


Resultados en el tem 6. Falacia del eje de tiempos


tem 6. Una bola se suelta en E. Si sale por R, Cul es la probabilidad de
que haya pasado por el canal I?

a. 050
b. 033
c. 066
d. No se puede calcular


Con este tem se pretenda evaluar si los futuros profesores son capaces de
resolver correctamente problemas de probabilidad condicional en situaciones donde
invierte el eje del tiempo (Falk, 1986). Como muestra la Tabla 4.7.11, solamente un
23,5% de los alumnos de la muestra global fue capaz de dar una respuesta correcta al
problema, por lo que esta falacia parece muy arraigada en nuestro estudio.
Comparando con la muestra de Daz, vemos que el porcentaje de respuestas
correctas dada por los alumnos de Psicologa es mucho menor con un 9,9% frente a un
23,5%. Destaca el 67,3% de nuestra muestra y el 76,8% de la de Daz que dio como
Evaluacin de conocimientos de futuros profesores de secundaria
201
respuesta el distractor (a), indicando que no se ha tenido en cuenta las bolas que caen
por B, es decir no se ha tenido en cuenta el condicionamiento por un suceso posterior.
El 0,5% de nuestra muestra y el 2,7% de la de Daz incurrieron en la falacia del eje de
tiempo reflejada por el distractor (d). Por tanto, agrupando los resultados de los
distractores (a) y (d), vemos que el 68,3% de los sujetos de nuestra muestra y el 78,5%
de la muestra de Daz incurri en la falacia del eje de tiempos. El distractor (b) dado por
un 7,7% y el 8,9% indica que se han considerado equiprobables los tres caminos,
cayendo otra vez en el sesgo de equiprobabilidad (Lecoutre, 1992).
Si tenemos en cuenta nuestros dos grupos, Tabla 4.7.12, vemos que los resultados
son semejantes en ambos. El porcentaje de respuestas correctas es similar en los
alumnos del Mster y de la licenciatura con un 23,1 % y un 23,8% respectivamente.
Destaca el 67,4% del grupo de la licenciatura y el 69,3% del mster que incurri en la
falacia del eje de tiempo.

Tabla 4.7.11. Resultados en el tem 6
Futuros profesores (n=196) Psicologa (n=414)
Frecuencia Porcentaje Frecuencia Porcentaje
a. 0,50 132 67,3 318 76,8
b. 0,33 15 7,7 37 8,9
c. 0,66 46 23,5 41 9,9
d. No se puede calcular. 2 1,0 7 1,7
En blanco. 1 0,5 11 2,7
Total 196 100,0 414 100,0

Tabla 4.7.12. Resultados en el tem 6 (Matemticas y Mster de Secundaria)
Matemticas (n=95) Mster (n=101)
Frecuencia Porcentaje Frecuencia Porcentaje
a. 0,50 62 65,3 70 69,3
b. 0,33 9 9,5 6 5,9
c. 0,66 22 23,1 24 23,8
d. No se puede calcular. 2 2,1 0 0
En blanco. 0 0 1 1,0
Total 95 100,0 101 100,0

Resultados en el tem 7a


tem 7.a. Una urna contiene dos bolas blancas y dos bolas negras. Extraemos a ciegas dos bolas de la
urna, una detrs de otra, sin reemplazamiento. Cul es la probabilidad de extraer una bola negra en
segundo lugar, habiendo extrado una bola negra en primer lugar? P (N2/ N1)
a. 1/ 2
b. 1/ 6
c. 1/ 3
d. 1/ 4

Captulo 4

202
Este tem pretenda ver si los futuros profesores eran capaces de resolver
correctamente problemas en un contexto de muestreo sin reposicin y como
comparacin con la segunda parte (7b) que evala la falacia del eje de tiempo. En la
Tabla 4.7.13 observamos que el porcentaje mayoritario de alumnos de nuestra muestra
(64,3%), fue capaz de contestar correctamente al problema. Comparando estos datos
con los de Daz, vemos que se asemeja el porcentaje de respuestas correctas, aunque
este es un poco mayor con un 68,8%. El problema fue sencillo en ambos grupos.
Un 3,6% de sujetos de nuestra muestra y un 5,6% de la de Daz confundieron
muestreo con y sin reposicin ya que eligieron el distractor (a), considerando que la
extraccin de la bola negra no modifica el espacio muestral y, por tanto, identificaban la
probabilidad como 1/2. Otro 26,5% y 16,9%, respectivamente, confundieron la
probabilidad condicional y la conjunta (distractor b) aplicando la regla del producto
(1/2)(1/3)=1/6, por lo que no distinguen entre probabilidad conjunta, condicional y
simple. Y por ltimo un 4,1% y un 7,3%, respectivamente, confunde probabilidad
condicional y simple (distractor d) ya que consideran nicamente la probabilidad simple
de obtener una bola negra en la primera extraccin (1/4).

Tabla 4.7.13. Resultados en el tem 7.a
Futuros profesores (n=196) Psicologa (n=414)
Frecuencia Porcentaje Frecuencia Porcentaje
a. 1/ 2 7 3,6 23 5,6
b. 1/ 6 52 26,5 70 16,9
c. 1/ 3 126 64,3 285 68,8
d. 1/ 4 8 4,1 30 7,3
En blanco. 3 1,5 6 1,4
Total 196 100,0 414 100,0


Tabla 4.7.14. Resultados en el tem 7.a (Matemticas y Mster de Secundaria)
Matemticas (n=95) Mster (n=101)
Frecuencia Porcentaje Frecuencia Porcentaje
a. 1/ 2 4 4,2 3 3,0
b. 1/ 6 23 24,2 29 28,7
c. 1/ 3 62 65,3 64 63,3
d. 1/ 4 4 4,2 4 4,0
En blanco. 2 2,1 1 1,0
Total 95 100,0 101 100,0


Los resultados de los dos grupos de nuestra muestra, Tabla 4.7.14, indican una
homogeneidad entre ambos grupos, ya que el porcentaje de respuestas se asemeja. Slo
destaca un 4,5% ms de alumnos del Mster que se decantaron por el distractor (b), por
Evaluacin de conocimientos de futuros profesores de secundaria
203
lo que confunden la probabilidad condicional y la conjunta.

Resultados en el tem 7b. Falacia del eje de tiempos


tem 7.b. Cul es la probabilidad de extraer una bola negra en primer lugar, sabiendo que hemos
extrado una bola negra en segundo lugar? P (N1/ N2)
a. 1/ 3
b. 1/ 4
c. 1/ 6
d. 1/ 2


Este tem pretenda conocer como los futuros profesores resuelven problemas de
probabilidad condicional cuando se invierte el eje de tiempo en contexto de muestreo
sin reposicin, lo que solamente realiz correctamente un 29,6% de nuestra muestra y
un 23,9% de los alumnos de la muestra de Daz, Tabla 4.7.15. Los resultados confirman
la hiptesis de Falk (1986), de que la dificultad de los problemas de probabilidad
condicional crece cuando se invierte el eje temporal, pues formalmente, el tem es
similar a la primera parte (7a) donde la respuesta mayoritaria fue correcta en ambos
grupos. La mejor preparacin matemtica en nuestro estudio no sirvi para superar este
sesgo.

Tabla 4.7.15. Resultados en el tem 7b
Futuros profesores (n=196) Psicologa (n=414)
Frecuencia Porcentaje Frecuencia Porcentaje
a. 1/3 58 29,6 99 23,9
b. 1/4 41 20,8 103 24,9
c. 1/6 25 12,8 38 9,2
d. 1/2 64 32,7 151 36,5
En blanco. 8 4,1 23 5,5
Total 196 100,0 414 100,0

Un 32,7% de los participantes en la muestra global y un 36,5% de la de Daz no
entendieron que se puede condicionar un suceso con otro que ocurra posteriormente, ya
que eligieron el distractor (d) que evaluaba la falacia del eje temporal. Un 12,8% y un
9,2% de sujetos, respectivamente, se decantaron por el distractor (c) tratndose de
alumnos que confunden entre probabilidad condicional y simple. Por ltimo, un 20,8%
y un 24,9%, respectivamente, eligieron la opcin (b) confundiendo la probabilidad
condicional y conjunta, error sealado por Falk (1986).
En la Tabla 4.7.16 se presentan los resultados de los dos grupos de nuestra
muestra. En este caso el porcentaje de alumnos que respondieron correctamente fue
Captulo 4

204
mayor por parte de los alumnos del Mster en un 12,4% que el de los alumnos de la
licenciatura. El porcentaje de alumnos que incurri en la falacia del eje de tiempos,
distractor (d), fue similar en ambos grupos con un 33,7% y un 31,7% respectivamente.
En el resto de distractores, llama la atencin que el distractor (b) fue considerado en un
8,5% ms en el grupo de alumnos de la licenciatura, por el contrario el porcentaje de
alumnos que se decant por el distractor (c) fue similar en ambas muestras.

Tabla 4.7.16. Resultados en el tem 7b (Matemticas y Mster de Secundaria)
Matemticas (n=95) Mster (n=101)
Frecuencia Porcentaje Frecuencia Porcentaje
a. 1/3 22 23,2 36 35,6
b. 1/4 24 25,3 17 16,8
c. 1/6 12 12,6 13 12,9
d. 1/2 32 33,7 32 31,7
En blanco. 5 5,2 3 3,0
Total 95 100,0 101 100,0

Sntesis de resultados en sesgos
Para poder realizar una sntesis sobre la presencia de sesgos en el razonamiento
condicional de los futuros profesores de educacin secundaria, en la Tabla 4.7.17
presentamos un resumen de la frecuencia y porcentaje con que se dieron los diferentes
sesgos para cada tem.
Como vemos, el porcentaje que incurre en las diferentes falacias o sesgos es alto,
tanto en nuestra muestra como en la de Daz (2007). Destaca por su incidencia, la
falacia del eje de tiempos que se dio en un alto porcentaje, 68,3% y 78,5%
respectivamente en el tem 6 y en el 32,7% y 36,5% de respuestas en el tem 7b. Estos
sujetos tienen dificultad para resolver un problema de probabilidad condicional si el
suceso condicionante ocurre despus del condicionado. Sin embargo, esta es una
situacin muy comn en la vida real (por ejemplo en la evaluacin de los alumnos, el
suceso condicionante seria el resultado del examen y el condicionado los conocimientos
del estudiante). Tambin aparece con frecuencia en inferencia estadstica donde
conceptos como intervalo de confianza o nivel de significacin estn definidos
mediantes condicionales en que el eje de tiempos se ha invertido.
En menor medida, aunque el porcentaje es alto, tenemos la falacia de la tasa base,
que en nuestra muestra se dio en un porcentaje del 39,8%, pero que en la muestra de
Daz slo alcanz el 15%. En estos casos se ignora una parte de los datos al resolver un
problema de probabilidad condicional.
Evaluacin de conocimientos de futuros profesores de secundaria
205
Tabla 4.7.17. Sntesis de sesgos
Futuros profesores (n=196) Psicologa (n=414)
Frecuencia Porcentaje Frecuencia Porcentaje
tem 1 - Falacia tasas base 78 39,8 62 14,9
tem 2 - Confusin entre sucesos
independientes y mutuamente excluyentes
63 32,1 118 28,5
tem 3 - Confusin entre probabilidad
conjunta y condicional
62 31,6 135 32,6
tem 4 Falacia de la conjuncin 23 11,7 39 9,4
tem 5 Falacia de la condicional
transpuesta
27 13,8 24 5,8
tem 6 Falacia del eje de tiempos 134 68,3 325 78,5
tem 7b- Falacia eje de tiempos 64 32,7 151 36,5


El siguiente sesgo por orden de frecuencia de aparicin es la confusin entre
probabilidad conjunta y condicional, con uno de cada tres encuestados
aproximadamente, posiblemente por la dificultad de expresar condicionales en el
lenguaje ordinario y con algo mayor frecuencia en los futuros profesores de secundaria.
El resto de sesgos, falacia de la conjuncin y de la condicional transpuesta, se dieron en
un porcentaje bajo, alrededor del 10% en nuestra muestra y en menor porcentaje en la
de Daz.
Para comprobar si existe relacin entre la frecuencia de aparicin de los diferentes
sesgos estudiados y el tipo de estudiante hemos realizado un test Chi-cuadrado de
contraste de hiptesis para determinar si se rechaza o no la idea de independencia entre
las diferentes muestras y sesgos, obteniendo Chi-cuadrado=44,36; g.l.=6; p=0,00001.
Por tanto, los resultados son estadsticamente muy significativos y se rechaza la
hiptesis de independencia. Como conclusin, los diferentes sesgos encontrados en cada
tem tienen relacin con la muestra de estudiantes, siendo mayor en la falacia de las
tasas base, confusin entre sucesos independientes y mutuamente excluyentes, ms para
los futuros profesores de matemticas que entre los estudiantes de psicologa, mientras
que la falacia del eje de tiempo es ligeramente mayor en el segundo grupo. El resto de
sesgos tiene poca incidencia y es similar en ambos grupos.
En la Tabla 4.7.18 presentamos los resmenes de los diferentes sesgos
encontrados, junto con la frecuencia o porcentaje para cada tem en los dos grupos de
nuestra muestra. Como ocurra en la muestra global, el sesgo que ms aparece es la
falacia del eje de tiempos, con un 67,4% en los alumnos de la licenciatura y un 69,3%
en la muestra de alumnos del Mster. La mayora de los sesgos tienen resultados
semejantes en ambos grupos, excepto en la falacia de la tasa base, ya que el porcentaje
Captulo 4

206
de alumnos del Mster que cometi errores es superior en un 15,9% a los alumnos de
Matemticas, y en la confusin entre sucesos independientes y mutuamente excluyentes
donde el porcentaje de alumnos de Matemticas es mayor en un 17,3% que en los
alumnos del Mster.

Tabla 4.7.18. Sntesis de sesgos (Matemticas y Mster de Secundaria)
Matemticas (n=95) Mster (n=101)
Frecuencia Porcentaje Frecuencia Porcentaje
tem 1 - Falacia tasas base 30 31,6 48 47,5
tem 2 - Confusin entre sucesos
independientes y mutuamente excluyentes
39 41,1 24 23,8
tem 3 - Confusin entre probabilidad
conjunta y condicional
25 26,3 37 36,6
tem 4 Falacia de la conjuncin 13 13,7 10 9,9
tem 5 Falacia de la condicional
transpuesta
14 14,7 13 12,9
tem 6 Falacia del eje de tiempos 64 67,4 70 69,3
tem 7b- Falacia eje de tiempos 32 33,7 32 31,7

Al igual que en la comparacin entre la muestra global y la de Daz, hemos
realizado un test Chi-cuadrado para determinar si se rechaza o no la idea de
independencia entre los diferentes grupos de nuestra muestra y los diferentes sesgos.
Los resultados del anlisis son: Chi-cuadrado=10,12; g.l.=6; p-valor=0,1198, por lo
que los resultados no son estadsticamente significativos y no podemos rechazar la
hiptesis de que los resultados de los sesgos de ambos grupos de nuestra muestra sean
independientes. En consecuencia, no observamos diferencia en la presencia de los
diferentes sesgos en los dos grupos que componen la muestra.

Tabla 4.7.19. Nmero de sesgos por alumno
Lic. Matemticas Mster Secundaria
Frecuencia Porcentaje Frecuencia Porcentaje
Alumnos con 0 sesgos 3 3,2 10 9,9
Alumnos con 1 sesgo 19 20,0 16 15,8
Alumnos con 2 sesgos 36 37,9 28 27,7
Alumnos con 3 sesgos 24 25,3 31 30,7
Alumnos con 4 sesgos 11 11,5 11 10,9
Alumnos con 5 sesgos 2 2,1 5 5,0
Total 95 100,0 101 100,0

En la Tabla 4.7.19 presentamos la distribucin del nmero de sesgos encontrados
por alumno, comparando los resultados en la Licenciatura de Matemticas y del Mster.
Observamos que son minora los estudiantes sin sesgos, especialmente en la
Licenciatura de Matemticas. El 96,8% de los alumnos de Matemticas y el 90,1% del
Evaluacin de conocimientos de futuros profesores de secundaria
207
Mster incurri por lo menos en un sesgo y el 76,8% de Matemticas y 74,3% del
Mster en dos o ms, lo que es causa de preocupacin, pues estos docentes podran
transmitir dichos sesgos de razonamiento a sus futuros estudiantes. Los mayores
porcentajes se dieron para alumnos con dos y tres sesgos, encontrando alumnos hasta
con 5, aunque el porcentaje de ocurrencia fue pequeo.
En la Tabla 4.7.20 realizamos un anlisis descriptivo del nmero de sesgos
detectado por sujeto para ambos grupos de la muestra. Observamos similitud del
nmero medio de sesgos por alumno del grupo, aunque la media y dispersin ha sido
algo mayor en los estudiantes del Mster pero la diferencia no fue estadsticamente
significativa.
Tabla 4.7.20. Anlisis descriptivo de sesgos por alumno
Lic. Matemticas Mster Secundaria
Media 2,28 2,32
Desv. Tpica 1,078 1,288
Mnimo 0 0
Mximo 5 5

Tabla 4.7.21. Nmero de tems correctos por alumno, tems 1 al 7b
Lic. Matemticas Mster Secundaria Muestra Global
Frecuencia Porcentaje Frecuencia Frecuencia Frecuencia Frecuencia
0 2 2,1 2 2,0 4 2,0
1 16 16,8 15 14,9 31 15,8
2 29 30,5 28 27,7 57 29,1
3 25 26,3 13 12,9 38 19,4
4 15 15,8 17 16,8 32 16,3
5 5 5,3 17 16,8 22 11,2
6 3 3,2 3 3,0 6 3,1
7 0 0 6 5,9 6 3,1
Total 95 100,0 101 100,0 196 100,0


En la Tabla 4.7.21 hemos analizado el nmero de respuestas correctas para los
tems de opcin mltiple. El nmero de respuestas correctas ha fluctuado entre cero y
seis, para la muestra de la licenciatura, y entre cero y siete, para la muestra de alumnos
del Mster. Respecto al grupo de Matemticas tenemos que la mayora de alumnos,
91,8%, contest entre uno y cinco tems correctamente. En el 89,1% los alumnos del
mster respondieron correctamente entre uno y cinco tems. El porcentaje de alumnos
que no contest correctamente a ningn tem fue slo de 2%, similar en ambas
muestras. Los valores descriptivos de ambas muestras, Tabla 4.7.22, indican que el
valor medio de respuestas correctas fue inferior para el grupo de la licenciatura (con
2,65 de respuestas correctas de media) respecto al 3,19 de media de respuestas correctas
Captulo 4

208
de la muestra del Mster. Los resultados de la muestra de la licenciatura estn ms
agrupados que la del Mster.

Tabla 4.7.22. Anlisis descriptivo de tems correctos por alumno, tems 1 al 7b
Lic. Matemticas Mster Secundaria Muestra Global
Media 2,65 3,19 2,93
Desv. Tpica 1,31 1,76 1,58
Mnimo 0 0 0
Mximo 6 7 7

Como resumen del estudio de sesgos, observamos que son pocos los futuros
profesores que se encuentran libres de los mismos en las situaciones planteadas, muchas
de las cuales aparecen en la vida cotidiana o profesional. Los resultados en algunos de
los tems han sido peores que los obtenidos por Daz (2007) en estudiantes de
Psicologa, a pesar de la mayor preparacin matemtica de los alumnos de nuestra
muestra. La presencia de sesgos es similar en licenciados de Matemticas y en
estudiantes del Mster de Secundaria, muchos de los cuales provienen de otras
titulaciones. Ser en consecuencia necesario que la preparacin de los futuros profesores
tenga en cuenta estos sesgos y se organicen actividades formativas que los ayuden a
superarlos. En el Captulo 6 describiremos una de estas situaciones mostrando cmo al
confrontar a los futuros profesores con los sesgos, se puede mejorar su razonamiento.

4.7.2. DEFINICIN DE LA PROBABILIDAD SIMPLE Y CONDICIONAL

Adems de los tems de opcin mltiple, el cuestionario incluye otros de respuesta
abierta, que se analizan a continuacin y que evalan el conocimiento formal del tema.
Para analizar los resultados, en primer lugar, se clasifican las respuestas segn grado de
completitud con una escala que vara de 0 a 2 o de 0 a 4, segn el tem, y que fue
propuesta por Daz (2007) en el anlisis de sus resultados. El uso de estas escalas
permitir comparar los resultados con los de la citada autora. Por otro lado, cada una de
las categoras citadas se desglosa en otras nuevas para analizar con mayor profundidad
las dificultades y conflictos semiticos de los participantes en nuestra investigacin.
En lo que sigue, se describen las diferentes categoras de respuesta a estos tems,
analizando resumidamente un ejemplo de cada una y presentando las frecuencias con
que aparecen en el global de la muestra. Seguidamente, se comparan nuestros datos con
los obtenidos en Daz (2007) y finalmente se comparan los dos grupos de estudiantes
Evaluacin de conocimientos de futuros profesores de secundaria
209
que conforman nuestra muestra. Es importante resaltar que los estudiantes de Psicologa
respondieron al cuestionario despus de haber estudiado el mismo curso el tema
(aproximadamente un mes despus), mientras que algunos futuros profesores lo haban
estudiado varios aos antes. Por ello, algunas respuestas son mejores en el primer
grupo, a pesar de su menor formacin matemtica.


tem 8. Explica con tus propias palabras la diferencia entre una probabilidad simple y una
probabilidad condicional.


El primero de los tems abiertos estudia la capacidad para dar una definicin
adecuada del concepto. Daz (2007) clasific las respuestas de este tem siguiendo el
siguiente criterio: dio el valor 0 si la respuesta es totalmente incorrecta, 1 si se define
correcta, pero imprecisamente la probabilidad simple o la condicional, 2 puntos si se
define correcta, y precisamente una de las probabilidades pedidas, 3 si se define
correcta, pero imprecisamente las dos probabilidades pedidas y 4 si se define
correctamente las dos probabilidades pedidas. En nuestro caso hemos ampliado esta
clasificacin, estudiando las distintas respuestas, junto con los distintos errores que se
cometen para cada categora. Las categoras que hemos encontrado en este tem son las
siguientes:

C0. Respuesta totalmente incorrecta. Las causas de los errores son diversas, por
lo que hemos clasificado las respuestas incorrectas en tres grupos. Un primer grupo
incluye los errores formales en la definicin (C01), un segundo grupo engloba las
definiciones con impresiones debidas a confusin de conceptos que intervienen en la
misma (C02) y un tercer grupo si los errores se producen por confusiones en la frmula
de la probabilidad condicional (C03). A continuacin analizamos estas categoras:

C0.1. Errores en la definicin. Cuando el sujeto incluye el trmino que desea
definir en la definicin o bien da una definicin que corresponde a otro concepto. Por
ejemplo, el sujeto 123 da una definicin circular y mezcla los trminos suceso con
algo y sentencia:
Como su nombre indica la probabilidad condicionada viene condicionada por otra sentencia. Al
variar algo varia otro (Sujeto 123).
Captulo 4

210
C0.2. Errores producidos por confundir otro concepto que interviene en la
definicin. En la siguiente respuesta, el sujeto 3 confunde frecuencia relativa con
sucesos, pues la probabilidad seria el lmite de la frecuencia relativa, no del suceso, que
no tiene lmite. La definicin es incorrecta pues se refiere a sucesos y no a sus
probabilidades:
Probabilidad simple: valor lmite al que tiende un suceso aleatorio, no condicionado por nada.
Probabilidad condicionada: valor lmite al que tiende un suceso dependiente de otro suceso,
cuando se ha dado el otro suceso (Sujeto 3).

C0.3. Errores por confusin en la frmula de la probabilidad condicional.
Algunos sujetos incluyen la frmula en la definicin de la probabilidad condicional,
pero confunden la frmula de la probabilidad condicional, como el siguiente caso que
invierte la frmula, adems de cambiar el suceso condicionante y de sustituir la
interseccin por la unin de sucesos. Por otro lado la definicin es circular:
Probabilidad simple: es cuando intervienen los elementos sin estar condicionados a algo.
Probabilidad condicional: cuando los elementos esta condicionados a otros, cuando depende de
otros.
( )
( / )
( )
P A
P A B
P A B
=

(Sujeto 162).

C1. Define correcta, pero imprecisamente la probabilidad condicional. Daz
(2007) asign un punto en este tem cuando la definicin no tiene errores importantes
pero es confusa o imprecisa. Como en el caso anterior, nosotros hemos desglosado esta
categora. A continuacin se analizan los casos encontrados:

C1.1. Olvida definir la probabilidad simple y define imprecisamente la
probabilidad condicional. El siguiente ejemplo define la probabilidad condicional a
partir de la ocurrencia de un suceso, pero la definicin es imprecisa. Introduce la palabra
probabilidad (que se trata de definir) en la definicin; adems se refiere a un suceso
futuro (mientras que la probabilidad tambin se puede aplicar a un suceso en el pasado).
Subyace la falacia del eje de tiempos (Tversky y Kahneman, 1982a; Gras y Totohasina,
1995):
Probabilidad condicional: ocurrido un suceso la probabilidad de ocurrir los venideros sabiendo
el suceso ocurrido, vara (Sujeto 134).


Evaluacin de conocimientos de futuros profesores de secundaria
211
C1.2. Suponer un suceso dependiente del otro, aunque esto no se exija para
definir la probabilidad condicional. Podra subyacer en estos casos una confusin entre
condicionamiento y causalidad que ha sido descrita, entre otros, por Falk (1986). Por
ejemplo, el sujeto 54 define la probabilidad condicional como una probabilidad que
puede depender de otro suceso:
Una probabilidad condicional es una probabilidad que puede depender de otro suceso. Por
ejemplo la probabilidad de la segunda extraccin de una bola (ejercicio anterior) depende de la
primera extraccin. As la probabilidad de que la segunda sea negra si la primera es blanca es
2/3, sin embargo si la primera es negra sera de 1/3 (Sujeto 54).

C2. Define correcta, y precisamente una de las probabilidades pedidas, como el
siguiente ejemplo, que slo define la probabilidad condicional: Cuando tratamos de
calcular la probabilidad de ocurrencia de un suceso, conociendo una informacin
adicional, hablamos de probabilidad condicionada (Sujeto 1). Otro ejemplo define la
probabilidad condicional a partir de informacin aadida: La probabilidad
condicional, es una probabilidad en la que se tiene informacin aadida que puede
influir en la probabilidad (Sujeto 137). Hemos clasificado estas respuestas en tres
grupos: un primer grupo si se trata de errores por confusin de conceptos (C2.1), un
segundo grupo si se utilizan frmulas para definir una de las probabilidades (C2.2) y un
tercer grupo si se trata de errores por utilizar la propiedad de independencia para definir
la probabilidad simple (C2.3).

C2.1. Errores en una de las dos definiciones por confundir conceptos, por
ejemplo, definir la probabilidad condicionada en la forma siguiente, donde en realidad
est dando la definicin de probabilidad simple:
Relacin entre casos favorables y posibles pero teniendo en cuenta que ha ocurrido algo que
altera la probabilidad. De ah el trmino condicionada (Sujeto 122).

C2.2. Utilizacin de frmulas para definir una de las probabilidades pedidas.
Una respuesta de este tipo sera utilizar la descomposicin de la probabilidad
condicional como cociente de la probabilidad conjunta y de la condicin, dando una
definicin correcta, pero olvida dar la definicin de probabilidad simple, que dice no
conocer.
No conozco el termino de probabilidad simple, si la de suceso simple que se refiere a un tipo
particular de suceso formado por un slo elemento. La probabilidad condicionada de un suceso A
Captulo 4

212
condicionado a otro B siendo A y B dos sucesos de un mismo experimento aleatorio con P(B)
distinto de cero es la probabilidad de que ocurra A sabiendo que ha ocurrido B. Se formula:
( )
( / )
( )
P A B
P A B
P B

=
(Sujeto 6).

C2.3. Utilizacin de la propiedad de independencia para definir la probabilidad
simple. Cuando utilizan como elemento intrnseco la independencia para definir la
probabilidad simple, mostrando una confusin entre independencia y probabilidad
simple:
Sean A y B dos sucesos posibles donde A y B son independientes si ( ) ( ) ( ) P A B P A P B = ,
entonces la probabilidad respecto A y B es simple (Sujeto 116).

C3. Define correcta, pero imprecisamente las dos probabilidades pedidas. Hemos
clasificado las respuestas en seis grupos: Un primer grupo si suponen que el suceso
condicionante tiene que ocurrir antes que el condicionado (C3.1), un segundo grupo
englobara los futuros profesores que suponen que el suceso condicionante es
dependiente (C3.2), un tercer grupo si usan frmulas para definir una de las
probabilidades (C3.3), un cuarto grupo si se indica la diferencia entre ambas
probabilidades, pero de forma imprecisa (C3.4), un quinto grupo si en lugar de dar una
definicin, da un ejemplo (C3.5) y un sexto grupo si confunde la probabilidad simple o
condicional entre s o con la conjunta (C3.6).

C3.1. Suponer que el suceso condicionante tiene que ocurrir antes que el
condicionado. Se observa en la respuesta la falacia del eje de tiempos (Tversky y
Kahneman, 1982a) o la concepcin cronolgica de la probabilidad condicional descrita
por Gras y Totohasina (1995). En el siguiente ejemplo, se definen las dos
probabilidades pero la respuesta es imprecisa, ya que no se tiene que dar un orden para
poder condicionar dos sucesos:
La probabilidad simple es la probabilidad de un suceso aislado que estemos estudiando sin
depender de otros suceso, mientras que la probabilidad condicional es la probabilidad de un
suceso condicionado a que ocurra previamente otro suceso diferente al anterior (Sujeto 7).

C3.2. Suponer que el suceso condicionante es dependiente del suceso
condicionado, aunque como hemos indicado esto no es necesario y podra subyacer en
estos casos una confusin entre condicionamiento y causalidad (Falk, 1986). El sujeto 8
Evaluacin de conocimientos de futuros profesores de secundaria
213
identifica la probabilidad condicional solamente para sucesos independientes:
La probabilidad simple est basada en sucesos nicos o independientes, mientras que la
condicionada utiliza sucesos que se condiciona unos a otros, por lo que para el clculo de sus
probabilidades ser necesario tener en cuenta las de los sucesos dependientes (Sujeto 8).

C3.3. Usar frmulas no demasiado precisas para definir una de las
probabilidades. Por ejemplo, el sujeto 11 utiliza la definicin de la regla de Laplace
para la probabilidad simple como cociente entre casos favorables y posibles, pero la
notacin para la probabilidad es imprecisa:

Sucesos favorables
Simple
Sucesos posibles
=
(Sujeto 11).
C3.4. Incluimos en esta categora las respuestas que indican la diferencia entre
probabilidad simple y compuesta, pero son imprecisas. En la respuesta que
reproducimos a continuacin, se define la diferencia haciendo alusin a la idea de
dependencia, que como hemos visto no es necesaria. Este razonamiento es impreciso
porque el suceso condicionante puede ser dependiente del condicionado:
La probabilidad condicional se diferencia de la simple en que est afectada por un suceso que
no es independiente (Sujeto 12).
C3.5. En lugar de dar una definicin, da un ejemplo. Por ejemplo, el sujeto 29
utiliza una baraja de cartas para describir la diferencia entre las dos probabilidades, en
lugar de utilizar sus definiciones o una descripcin de tipo general:
La probabilidad simple, es por ejemplo, la probabilidad de sacar un oros de una baraja
espaola. Una probabilidad condicionada, es por ejemplo la probabilidad de sacar un oro de una
baraja espaola condicionada a otro suceso, que la primera carta por ejemplo fue copas (Sujeto
29).

C3.6. Confunde una probabilidad con otra, por ejemplo, confunde la probabilidad
simple y conjunta. Pollatsek, Well, Konold y Hardiman (1987) afirman que muchas de
las dificultades que las personas tienen con la comprensin de la probabilidad pueden
deberse a la redaccin de los enunciados. Su hiptesis se basa en los resultados de
Einhorn y Hogarth (1986). Estos autores sugieren que los enunciados que usan la
conjuncin y pueden llevar a confundir la probabilidad conjunta y la probabilidad
condicional. El siguiente profesor en formacin, en lugar de dar un ejemplo de
probabilidad simple, da un ejemplo de probabilidad conjunta:
Captulo 4

214
Probabilidad simple trata dos sucesos que no guardan relacin directa, por ejemplo la
probabilidad que llueva en Santiago y luzca el sol en Buenos Aires. Probabilidad condicional se
refiere a que los sucesos estn relacionados entre s. Por ejemplo como ocurre en el tem 7 donde
la probabilidad del segundo suceso incrementa o disminuye dependiendo del primero (Sujeto
33).

C4. Define correcta y de manera precisa las dos probabilidades pedidas. Por
ltimo, algunos futuros profesores dan las dos definiciones de forma correcta o explican
correctamente la diferencia entre las dos probabilidades. Hemos desglosado las
respuestas en dos grupos: Un primer grupo si se trata de participantes que definen
ambas probabilidades de forma correcta sin aplicar frmulas (C4.1) y un segundo grupo
si usan frmulas para definir ambas probabilidades (C4.2).

C4.1. Definir ambas probabilidades de forma correcta sin aplicar frmulas. Por
ejemplo el sujeto 64 define las dos probababilidades de la siguiente manera:
La probabilidad condicionada mide el valor de la probabilidad de un suceso A condicionada a
la ocurrencia de otro suceso B. Mientras que la probabilidad simple slo da el valor de la
probabilidad de ocurrencia de un suceso independiente de la ocurrencia o no de otro suceso
(Sujeto 64).

C4.2.Usar frmulas para definir ambas probabilidades. En el siguiente ejemplo
(sujeto 22) se define la probabilidad simple y condicionada utilizando nomenclatura
matemtica. Adems se hace referencia a que la probabilidad es una funcin de
conjunto y a los axiomas de Kolmogorov.
(Sujeto 22).

En la Tabla 4.7.23 presentamos las frecuencias y porcentajes de las diferentes
categoras estudiadas anteriormente. La categora ms frecuente es la C3.2 que consiste
en definir las dos probabilidades, siendo impreciso en la definicin de la probabilidad
condicional al suponer que los sucesos han de ser dependientes. En estas respuestas
pudiera presentarse una confusin entre condicionamiento y causalidad comentada
Evaluacin de conocimientos de futuros profesores de secundaria
215
anteriormente. Si sumamos las categoras C0.1, C1.2, C2.3 y C3.2, todas las cules
implican pensar que los sucesos han de estar condicionados, un total de 64 futuros
profesores presentaran esta creencia (32,7%).

Tabla 4.7.23. Frecuencia y porcentaje de respuestas en la definicin
Frecuencia Porcentaje
C0.1 11 5,6
C0.2 3 1,5
C0.3 2 1
C1.1 5 2,6
C1.2 1 0,5
C2.1 4 2
C2.2 4 2
C2.3 3 1,5
C2.4 1 0,5
C3.1 34 17,3
C3.2 49 25,1
C3.3 9 4,6
C3.4 10 5,1
C3.5 9 4,6
C3.5 3 1,5
C4.1 23 11,8
C4.2 8 4,1
En blanco 17 8,7

La segunda categora ms frecuente es la C3.1 (17,3%) consiste en los
participantes que suponen que el suceso condicionante tiene que ocurrir antes que el
condicionado, o falacia del eje de tiempo. En estos dos tipos de respuestas se translucen
algunos de los sesgos sobre el razonamiento en probabilidad condicional que ya se
detectaron en los tems de opciones mltiples. La tercera categora ms frecuente ha
sido la C4.1, definir ambas probabilidades de forma correcta sin aplicar frmulas, con
un 11,8%. Esta categora, junto con la C4.2, implica que slo un 15,9% de los
participantes dio una respuesta correcta a las dos probabilidades. Es una proporcin
muy pequea tratndose de futuros profesores que tendrn que impartir este tema si se
incorporan a la funcin docente.
En la Tabla 4.7.24 se comparan las respuestas dadas por los sujetos de nuestra
muestra, junto con los del estudio de Daz (2007) con alumnos de Psicologa. En ella
podemos observar grandes diferencias entre los dos grupos. Por ejemplo, la categora
que ms aparece en el grupo de futuros profesores ha sido la tercera, definir
correctamente pero de forma imprecisa las dos probabilidades, con un 58,1% de
respuestas en esa categora. En contra, la categora que ms aparece en la muestra de
Psicologa ha sido la cuarta con un 30,7%, definir correctamente las dos probabilidades,
Captulo 4

216
algo que en nuestra muestra (15,8%). En cambio, el segundo porcentaje mayor de la
muestra de Psicologa se da en las respuestas en blanco o totalmente incorrectas, con un
28,7% de alumnos, mientras que sta slo se dio en un 16,9% de la muestra de nuestro
estudio.

Tabla 4.7.24. Resultados en el tem 8
Futuros profesores (n=196) Psicologa (n=414)
Frecuencia Porcentaje Frecuencia Porcentaje
C0 33 16,9 119 28,7
C1 6 3,2 28 6,8
C2 12 6,0 90 21,7
C3 114 58,1 50 12,1
C4 31 15,8 127 30,7
Total 196 100,0 414 100,0


Tabla 4.7.25. Resultados en el tem 8 (Matemticas y Mster de secundaria)
Matemticas (n=95) Mster (n=101)
Frecuencia Porcentaje Frecuencia Porcentaje
C0 10 10,5 23 22,7
C1 4 4,2 2 2,0
C2 4 4,2 8 8,0
C3 58 61,1 56 55,5
C4 19 20,0 12 11,8
Total 95 100,0 101 100,0


En la Tabla 4.7.25 hemos dividido los resultados de los dos grupos de nuestra
muestra, alumnos de la licenciatura y del mster, para ver si se presentan o no
diferencias entre ellos. Observamos que el porcentaje de alumnos que contestan
correctamente a las dos probabilidades es un 8,2% mayor en los alumnos de la
Licenciatura. En cambio un 61,1% de estos alumnos defini las dos probabilidades de
forma imprecisa comparado con el 55,5% de los alumnos del Mster. La respuesta ms
llamativa es que slo un 10,5% de los alumnos de la licenciatura fall en la respuesta;
este porcentaje crece al 22,7% en el caso de los alumnos del Mster en educacin.
En general, se ve mejor conocimiento de las definiciones en los alumnos de la
Licenciatura, aunque en los dos casos es deficiente pues son pocos los que dan las dos
definiciones completas y correctas o explican de forma correcta la diferencia entre los
dos conceptos.


Evaluacin de conocimientos de futuros profesores de secundaria
217
4.7.3. CLCULO DE PROBABILIDAD CONDICIONADA

tem 9. Hemos lanzado dos dados y sabemos que el producto de los dos nmeros obtenidos
ha sido 12 Cul es la probabilidad de que ninguno de los dos nmeros sea un 6?


J unto con la definicin se incluyen en el cuestionario una serie de problemas. Este
tem pretende evaluar el clculo de una probabilidad condicional en una situacin
sincrnica y sin reemplazamiento por parte de los alumnos. Siguiendo el mismo criterio
de Daz (2007) y para poder comparar con los resultados de esta autora se ha puntuado
siguiendo el siguiente criterio: 0 puntos si no se llega a identificar los datos, 1 punto si
el alumno identifica los casos favorables o posibles, pero no resuelve el problema y 2 si
resuelve el problema correctamente por la regla de Laplace o por la frmula del
producto. Para ampliar la clasificacin de respuestas de Daz, dentro de cada categora
hemos estudiado las distintas respuestas, junto con los distintos errores que cometen los
alumnos. Las categoras que hemos encontrado en este tem son las siguientes:

C0. No llega a identificar los datos. Hemos clasificado las respuestas incorrectas
en varios grupos dependiendo del error cometido. Un primer grupo, si se trata de errores
en la identificacin de casos favorables y posibles (C0.1), un segundo grupo incluye
errores al identificar incorrectamente el espacio muestral de lanzar dos dados (C0.2), un
tercero, si se trata de errores por no tener en cuenta el orden al identificar los casos
favorables y posibles (C0.3) y un cuarto consiste en calcular la probabilidad conjunta y
confundir la frmula de la probabilidad conjunta aplicando la regla de la suma, en vez
del producto (C0.4). A continuacin los describimos con detalle incluyendo un ejemplo
de cada uno:

C0.1 Error en la identificacin de casos favorables y posibles, lo que llevara a un
error en el clculo de la probabilidad. En la respuesta que reproducimos, el sujeto 46
toma como posibles el conjunto de todas las variantes de las tiradas en vez de las que
multiplican 12. Es decir, falla en hacer la restriccin del espacio muestral, que es
necesaria, segn Totohasina (1992) para calcular la probabilidad condicional. Muestra
tambin una confusin entre probabilidad simple y condicional pues calcula una
probabilidad simple en lugar de la condicional:
Captulo 4

218
(Sujeto 46).

C0.2. Calcular incorrectamente el espacio muestral, debido a un error al
considerar el orden de los dados, y adems, fallo en la restriccin del espacio muestral.
En el siguiente caso, no se tiene en cuenta que el lanzamiento de dos dados son
experimentos independientes, por lo que hay que distinguir el orden:
Hallamos el espacio muestra: {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,2), (2,3), (2,4), (2,5), (2,6),
(3,3), (3,4), (3,5), (3,6), (4,4), (4,5), (4,6), (5,5), (5,6), (6,6)} (Sujeto 110).

C0.3. No tener en cuenta el orden al identificar los casos favorables y posibles,
aunque restringe el espacio muestral. En estos casos se resuelve el problema, pero los
hemos considerado incorrectos por no considerar el orden. Por ejemplo, el sujeto 11
toma como espacio muestral E:{(2,6), (3,4)} para calcular los casos posibles, sin tener
en cuenta que puede variar el orden:
Los casos posibles son: 2*6=12, 3*4=12. P(ninguno de los dos es 6)=1/2 (Sujeto 11).

C0.4. Error al identificar la probabilidad pedida. Trata de calcular la
probabilidad conjunta y confunde la frmula aplicando la regla de la suma, en lugar del
producto:
Entendiendo que los dados son cubos, o sea que estn numerados del 1 al 6 la probabilidad ser
cero ya que slo estar la solucin 6+6=12 (Sujeto 126).

C1. Se identifican los casos favorables o posibles, pero no se resuelve el
problema. Hemos considerado los siguientes casos: Un primer grupo (C1.1) si se
plantea el problema pero no se llega a dar una solucin, un segundo grupo por cometer
errores en la frmula de la probabilidad condicional (C1.2), un tercero por calcular la
probabilidad conjunta de obtener un nmero diferente de 6 en los dos dados (C1.3), un
cuarto por calcular la probabilidad conjunta en vez de la condicionada (C1.4) y un
quinto por calcular la probabilidad conjunta de sacar un 3 o un 4, excluyendo del
espacio muestral el valor 6 (C1.5); o bien toman el espacio muestral del experimento
compuesto (C1.6).

Evaluacin de conocimientos de futuros profesores de secundaria
219
C1.1. Plantean el problema pero no llegan a dar una solucin. Una respuesta de
este tipo la da el sujeto 31 identifica solamente los casos favorables sin llegar a calcular
probabilidad alguna.
1, 2, 3, 4, 5, 6, 4*3=12, 3*4=12, 6*2=12, 2*6=12 (Sujeto 31).

C1.2. Error en la frmula de la probabilidad condicional. Se identifica
correctamente los datos y la probabilidad pedida, pero se comete un error en la frmula.
En la siguiente solucin, se multiplica el numerador de la frmula (probabilidad
compuesta de que no salga un seis y sume 12) por la probabilidad simple de que no
salga ningn seis en las dos tiradas:

2 25
36 36
( 6|Pr 12) 0,347
4
36
P No

= = =
(Sujeto 43).
C1.3. Calcular la probabilidad conjunta de obtener un nmero diferente de 6 en
los dos dados, como en la siguiente respuesta (sujeto 60), donde se ha interpretado
incorrectamente el enunciado, aunque la probabilidad conjunta estara bien calculada:
(Sujeto 60).

C1.4. Calcular la probabilidad conjunta en lugar de la condicionada. Estos
alumnos pudieran estar confundiendo estas dos probabilidades, dificultad sealada por
Pollatsek, Well, Konold y Hardiman (1987). En el siguiente ejemplo, se calcula la
probabilidad de obtener una de las dos parejas (3,4) o (4,3), que cumplen la condicin
de que la suma es 12 y ninguno de los nmeros es 6; es decir es una probabilidad
conjunta (suceso compuesto):
(Sujeto 44).

C1.5. Calcular la probabilidad conjunta de sacar un 3 o un 4, excluyendo del
espacio muestral el valor 6. As, el sujeto 73 toma como espacio muestral los valores
comprendidos entre 1 y 5 y calcula la probabilidad de obtener un 3 y un 4:
Slo hay dos posibilidades de que el producto sea 12 (4x3 y 6x2).Si no puede aparecer un 6
Captulo 4

220
habra que calcular la probabilidad de sacar un 4 y un 3 pero no sobre 6 opciones sino sobre 5
porque no podemos contar con el nmero 6:
1 1 1
(4 3)
5 5 25
P y = =
(Sujeto 73).

C1.6. Se identifican los casos favorables y posibles, se plantea el problema pero
se toma el espacio muestral del experimento compuesto. En la siguiente solucin, el
alumno 147 identifica correctamente los datos y tiene en cuenta la restriccin del
espacio muestral necesaria en el clculo de la probabilidad condicional, as como los
elementos que la componen. Pero a la hora de calcular la probabilidad pedida, toma
como casos posibles 36 en lugar de 4, es decir, toma los casos posibles en el
experimento compuesto:
12 2 6 4 3 3 4 = = = ; como
4
(12)
36
P =
entonces
2
(12, 6)
6
P Ningn =
(Sujeto 147).
C2. Resuelve el problema correctamente, despus de haber identificado tanto los
datos, como la probabilidad pedida, calcula la probabilidad aplicando correctamente la
frmula, un diagrama en rbol u otro recurso. Hemos clasificado las respuestas
correctas en dos grupos dependiendo de la forma de resolverlo correctamente. Un
primer grupo si resuelven correctamente el problema utilizando para ello la regla de
Laplace (C2.1) y un segundo grupo si resuelven correctamente el problema utilizando
la frmula de la probabilidad condicional (C2.2).

C2.1. Resolver correctamente utilizando la regla de Laplace. Por ejemplo, el
sujeto 37 calcula el espacio muestral identificando los sucesos que intervienen. Calcula
los casos favorables y posibles que intervienen y aplica la regla de Laplace:
E={(1,6) (6,1) (3,2) (2,3)}
. 2
( ) 0,5
. 4
C favorables
P A
C posibles
= = =
(Sujeto 37).

C2.2. Resolver correctamente utilizando la frmula de la probabilidad
condicional. En el siguiente caso, se utiliza la descomposicin de la probabilidad
condicional en funcin de la probabilidad conjunta y de la probabilidad del suceso
condicionante. Se identifica correctamente los datos del problema, introduce una
notacin adecuada para los diversos sucesos que interviene, usa explcitamente la
notacin de probabilidad condicional, e interseccin de sucesos y aplica correctamente
la frmula:
Evaluacin de conocimientos de futuros profesores de secundaria
221
(Sujeto 41).

En la Tabla 4.7.26 se exponen las frecuencias y porcentajes, de las distintas
categoras del tem 9. La categora que ms aparece para la muestra de futuros
profesores es la C2.1, resuelve el problema correctamente mediante la regla de Laplace,
con un 53,1%. La siguiente categora con mayor porcentaje de aparicin ha sido el error
definido como C0.1, identificacin incorrecta de los casos favorables o posibles, con un
16,8% de respuestas. La tercera categora que ms aparece es la C1.3, calcular la
probabilidad conjunta de obtener un nmero diferente de 6 en los dos dados, con 8,2%.
El resto de categoras han tenido un porcentaje bajo de respuestas.

Tabla 4.7.26. Frecuencia y porcentaje de respuestas en calculo probabilidad condicionada
Frecuencia Porcentaje
C0.1 33 16,8
C0.2 7 3,6
C0.3 16 8,2
C0.4 3 1,5
C1.1 3 1,5
C1.2 3 1,5
C1.3 4 2,0
C1.4 2 1,0
C1.5 5 2,6
C1.6 3 1,5
C2.1 104 53,1
C2.2 8 4,1
En blanco 5 2,6

En la Tabla 4.7.27 se comparan los resultados dados por los futuros profesores y
los alumnos de la muestra de Daz. Observamos que la categora con mayor frecuencia
de nuestra muestra ha sido la segunda, resuelve el problema correctamente, con un
57,1%. Si comparamos los resultados de esta categora con la muestra de Psicologa, el
porcentaje de alumnos que respondi correctamente fue del 34,3% de alumnos. Por lo
contrario la categora que ms aparece en la muestra de Psicologa ha sido la cero, con
un 44,9%, es decir se trata de alumnos que resuelven incorrectamente o dejan la
pregunta en blanco. El porcentaje de los que contestan incorrectamente en la muestra de
futuros profesores ha sido del 32,7%, un 12,2% menos que la de Daz. La categora C1
Captulo 4

222
se presentan en un 10,2% en nuestra muestra y en un 20,8% en la muestra de Daz.
Tabla 4.7.27. Resultados en el tem 9
Futuros profesores (n=196) Psicologa (n=414)
Frecuencia Porcentaje Frecuencia Porcentaje
C0 64 32,7 186 44,9
C1 20 10,2 86 20,8
C2 112 57,1 142 34,3
Total 196 100,0 414 100,0

En la Tabla 4.7.28 se muestran los resultados de los dos grupos de nuestra
muestra, alumnos de la licenciatura y del mster de secundaria. En ella observamos que
el porcentaje de alumnos que contestan correctamente es un 21% mayor en los alumnos
del Mster. Tambin se muestra que el porcentaje de alumnos que cometieron errores en
la resolucin del problema fue 22,4% mayor en la muestra de los estudiantes de
Matemticas. El resto de categoras se dan de forma aproximada en ambas muestras.

Tabla 4.7.28. Resultados en el tem 9 (Matemticas y Mster de secundaria)
Matemticas (n=95) Mster (n=101)
Frecuencia Porcentaje Frecuencia Porcentaje
C0 42 44,2 22 21,8
C1 9 9,5 11 10,9
C2 44 46,3 68 67,3
Total 95 100,0 101 100,0


4.7.4. INDEPENDENCIA


tem 11. Una persona lanza un dado y anota si saca un nmero par o impar. Estos son los
resultados:
par, impar, impar, par, par, impar, par, par, par, par, impar, impar, par, par, par.
Lanza el dado de nuevo. Cul es la probabilidad de sacar un nmero par en la siguiente
tirada?


Este tem se incluy en el cuestionario para analizar si los futuros profesores
tienen problemas en la comprensin de la idea de independencia. Al igual que en los
otros apartados, dado que las causas de los errores son diversas, hemos clasificado las
respuestas incorrectas en varios grupos dependiendo del error cometido y tratando de
seguir la clasificacin de Daz (2007), para poder comparar con sus resultados, aunque
desarrollando algo ms la clasificacin de la autora.
Evaluacin de conocimientos de futuros profesores de secundaria
223
C0. No se responde o responde incorrectamente. Se han considerado varias
categoras: Un primer grupo si se trata de errores por calcular la probabilidad de
ocurrencia en funcin de los resultados anteriores, cometiendo la falacia del jugador
(C0.1), donde se espera que una serie corta de ensayos se equilibre (Kelly y Zwiers,
1986; Snchez, 1996); un segundo grupo (C0.2) trata de aplicar la frmula de la
probabilidad condicional, pero comete un error en la frmula, un tercer grupo de
respuestas (C0.3) donde se hace una interpretacin incorrecta del enunciado, y el
ltimo por cometer errores de clculo o no responder (C0.4).

C0.1. Calcular la probabilidad de ocurrencia en funcin de los resultados
anteriores (falacia del jugador). Estos futuros profesores esperan que una serie corta de
ensayos se equilibre y no comprenden la independencia de ensayos (Kelly y Zwiers, 1986;
Snchez, 1996). Por ejemplo, el sujeto 31 expone que habr el doble de probabilidad de
que salga par que impar ya que en las tiradas anteriores ha salido dos pares por cada
impar. Manifiesta la heurstica de la representatividad (Kahneman, Slovic y Tversky,
1982), esperando un cambio de resultado en una racha corta.
(Sujeto 31).

Algunos futuros profesores, aunque identifican correctamente la probabilidad
como 1/2 siguen pensando que depende de los resultados anteriores, como el alumno
172:
La probabilidad sera la misma que todo el tiempo 3/6=1/2, sin embargo teniendo en cuenta el
azar, es muy probable que sea par ya que de quince veces, 10 veces ha salido par y slo cinco
impar (Sujeto 172).

C0.2. Trata de aplicar la frmula de la probabilidad condicional, pero comete un
error en la frmula. As, el sujeto 80 calcula la probabilidad de que la siguiente tirada
sea par como producto de la probabilidad de salir par por la probabilidad de los sucesos
que ocurrieron en las tiradas anteriores. La frmula es claramente incorrecta.
Captulo 4

224
(Sujeto 80).

C0.3. Interpretacin incorrecta del enunciado. Algunos futuros profesores no son
capaces de identificar la probabilidad pedida y hacen una interpretacin alternativa. En
el siguiente ejemplo, se calcula la probabilidad sumando la probabilidad de sacar un
nmero del dado ms la probabilidad de sacar un nmero par:
(Sujeto70).

C0.4. Cometer errores de clculo. Son errores de menor importancia consistentes
en plantear correctamente el problema pero fallar en el clculo. En la siguiente solucin,
el sujeto 97 define la probabilidad simple de salir par como 1/3 por un error elemental
en la simplificacin de fracciones.
(Sujeto 97).


C1. Se da una estimacin frecuencial de la probabilidad. Daz (2007) puntu con
1 punto este tipo de respuesta, porque el enunciado no indica si el dado est o no
sesgado. Por tanto, el futuro profesor podra interpretar que se trata de un dado sesgado
por la diferencia entre pares e impares en las tiradas anteriores. No tomamos como
totalmente correcta esta respuesta porque los resultados obtenidos, podran
razonablemente aparecer en un dado correcto. Esta respuesta denota la heurstica de la
representatividad (Kahneman, Slovic y Tversky, 1982), esperando un cambio de resultado
en una racha corta. Un ejemplo se muestra a continuacin:
P(P)=10/15=2/3; P(I)5/15=1/3; entonces puesto que el dado est trucado sera de 2/3 (Sujeto
20).

Evaluacin de conocimientos de futuros profesores de secundaria
225
Tambin tenemos casos que piensan que son muy pocos los lanzamientos como
para poder aplicar la estimacin frecuencial:
Uno podra pensar, ya que han salido 10 pares en la muestra que volvera a salir par pues ha
salido ms pares que impares. Pero al ser un nmero de lanzamientos tan bajo, esto no nos
asegurara que el dado puede estar manipulado para que saliera ms pares (Sujeto 57).

C2. Calcular correctamente la probabilidad, dando el valor 1/2. Daz (2007)
puntu con 2 puntos esta respuesta donde el estudiante muestra una clara idea y
aplicacin a este caso de la independencia. Hemos clasificado est categora en dos
grupos segn hayan utilizado para la resolucin la regla de Laplace (C2.1) o la frmula
de la probabilidad condicional (C2.2).

C2.1. Utilizando la regla de Laplace. El futuro profesor reconoce la
independencia en los lanzamientos sucesivos de un dado y asigna la misma probabilidad
a los dos sucesos. Luego aplica la regla de Laplace explcitamente con notacin
adecuada. Un ejemplo (sujeto 29) se incluye a continuacin:
(Sujeto 29).

La mayora de los casos los futuros profesores especifican que se trata de
experimentos independientes sin tener en cuenta los resultados anteriores. En la
siguiente respuesta (sujeto 22) se calcula la probabilidad de cada resultado y se aplica la
regla de la suma para calcular los sucesos par e impar.
(Sujeto 22).

C2.2. Frmula correcta de la probabilidad condicional. Son los futuros
profesores que identifican correctamente la independencia de ensayos y adems
identifican en el enunciado un problema de probabilidad condicional. Usan una notacin
adecuada y resuelven el problema aplicando la frmula correspondiente. Por ejemplo, el
sujeto 41 aplica la frmula de la probabilidad condicionada para calcular la probabilidad
Captulo 4

226
de que salga par la siguiente tirada, teniendo en cuenta que los lanzamientos son
experimentos independientes.
(Sujeto 41).


En la Tabla 4.7.29 presentamos los resultados de las distintas categoras del tem
11. El mayor porcentaje se da para la categora C2.1, calcular correctamente la
probabilidad haciendo uso de la regla de Laplace, con un 77% de las respuestas. La
segunda categora por orden de aparicin ha sido el error C0.1, la denominada como
falacia del jugador (calcular la probabilidad de ocurrencia en funcin de los resultados
anteriores), con un 6,1%. La siguiente categora por orden de aparicin ha sido la C1
con un 5,1%. Estos futuros profesores han interpretado los resultados en funcin de los
resultados obtenidos anteriormente o han interpretado el dado como trucado.

Tabla 4.7.29. Frecuencia y porcentaje de respuestas en el tem 11
Frecuencia Porcentaje
C0.1 12 6,1
C0.2 4 2,0
C0.3 3 1,5
C0.4 5 2,6
C1 10 5,1
C2.1 151 77,0
C2.2 2 1,1
En blanco 9 4,6

Tabla 4.7.30. Resultados en el tem 11
Futuros profesores (n=196) Psicologa (n=414)
Frecuencia Porcentaje Frecuencia Porcentaje
C0 33 16,8 112 27,0
C1 10 5,1 84 20,3
C2 153 78,1 218 52,7
Total 196 100,0 414 100,0

Como se observa en la Tabla 4.7.30 el 78,1% de los sujetos de nuestra muestra y
el 52,7% de los alumnos de Psicologa comprenden que las ocurrencias anteriores no
afectan a la probabilidad de un suceso cuando los experimentos son independientes,
como es el caso del muestreo sin reposicin. Un 16,8% de los nuestros participantes y
Evaluacin de conocimientos de futuros profesores de secundaria
227
un 27% de los alumnos de Psicologa presentan la llamada falacia del jugador ya que
consideran que para el clculo de la probabilidad pedida se debe tener en cuenta los
resultados anteriores. Y por ltimo el 5,1% y el 20,3% plantean el problema como una
estimacin frecuencial de la probabilidad.

Tabla 4.7.31. Resultados en el tem 11 (Matemticas y Mster de secundaria)
Matemticas (n=95) Mster (n=101)
Frecuencia Porcentaje Frecuencia Porcentaje
C0 15 15,8 18 17,8
C1 5 5,3 5 5,0
C2 75 78,9 78 77,2
Total 95 100,0 101 100,0

Comparando las dos submuestras de nuestra investigacin en la Tabla 4.7.31,
tenemos que el porcentaje de respuestas correctas es semejante para los alumnos de la
licenciatura y del mster, con un 78,9% y un 77,2% respectivamente. Ocurre lo mismo
en el caso de los que interpretan los resultados en funcin de los resultados anteriores.
En el caso de los errores, el porcentaje de los que cometen alguno de los errores
descritos es mayor para la submuestra de alumnos del Mster con un 2% ms que los
alumnos de la Licenciatura. En resumen, este tem fue sencillo para los futuros
profesores, que aplicaron mejor el concepto de independencia en este tem que en el de
opcin mltiple relacionado con este concepto.

4.7.5. CLCULO DE LA PROBABILIDAD COMPUESTA


tem 14. Un grupo de alumnos de un colegio se examina de Matemticas e Ingls. La
proporcin de alumnos que aprueban Matemticas es del 80% y la proporcin de alumnos
que aprueba Ingls es del 70%. Suponiendo que las notas en cada una de las asignaturas
son independientes, Cul es la probabilidad de que un alumno escogido al azar haya
aprobado ambas asignaturas?


En el clculo de la probabilidad compuesta es necesario diferenciar si los sucesos
son o no dependientes para poder aplicar adecuadamente la regla del producto. Este
tem pretende evaluar si los alumnos son capaces de calcular una probabilidad conjunta
en el caso de sucesos independientes, mientras el tem 12 propone un problema de
clculo de probabilidad condicional en sucesos dependientes.
Siguiendo a Daz (2007), hemos puntuado las diferentes respuestas
Captulo 4

228
proporcionadas por los futuros profesores en tres categoras: (C0) no identifican
correctamente los datos; (C1) identifica correctamente los datos pero no resuelve el
problema debido a diferentes errores y (C2) solucin correcta que se describen a
continuacin, as como sus diversas variantes.

C0. Identificacin incorrecta de los datos, que lleva a responder incorrectamente.
Daz (2007) puntu con cero puntos los casos en que no se identifica correctamente los
datos y el error en la respuesta es lo suficientemente serio para impedir llegar a una
estimacin de la probabilidad pedida. Nosotros hemos desglosado esta categora
encontrando las siguientes:

C0.1. Confusin de probabilidades y frecuencias. No se logra identificar
correctamente los datos pues confunde las probabilidades con frecuencias, error ya
encontrado en el estudio 1 realizado con profesores de primaria. As, el sujeto 23 calcula
la probabilidad de aprobar las dos asignaturas dividiendo el nmero de alumnos que
aprueban ingls entre el nmero de alumnos que aprueban matemticas, es decir, trata
de aplicar la regla de Laplace, pero confunde las probabilidades del enunciado con casos
favorables y posibles:
La probabilidad de que un alumno elegido al azar haya aprobado ambas asignaturas es 70/80
(Sujeto 23).

C0.2. Calcular el promedio de las dos probabilidades simples. En el siguiente
ejemplo, se calcula la probabilidad de aprobar las dos asignaturas calculando la media
de la probabilidad de aprobar ingls y la probabilidad de aprobar matemticas. Es claro
en la respuesta que no se ha identificado correctamente ni la probabilidad pedida ni los
datos del problema.

80 70
100 75%
2
+
=
de probabilidades (Sujeto 32).

C0.3. Asignar a las dos probabilidades de aprobar el valor de 1/2. En la siguiente
respuesta, el sujeto 37 calcula la probabilidad de aprobar las dos asignaturas asignando
a la probabilidad de aprobar ingls y a la probabilidad de aprobar matemticas el valor
de 1/2, para despus multiplicar ambas probabilidades. Tampoco identifica los datos y
aunque aplica la frmula de la probabilidad compuesta para el caso de sucesos
Evaluacin de conocimientos de futuros profesores de secundaria
229
independientes (identificando correctamente la independencia), la aplica como si no se
proporcionara informacin previa sobre el porcentaje de aprobados en cada asignatura.
(Sujeto 37).
C0.5. Confundir la probabilidad de un sujeto con la inversa del primer digito de
los porcentajes. Una respuesta de este tipo la da el sujeto 94 multiplica 1/8 por 1/7 para
obtener la probabilidad conjunta, obteniendo un valor 1/56.

C1. Identifica correctamente los datos y construye correctamente el rbol, pero
no resuelve el problema. Daz (2007) puntu con un punto en este problema a los
estudiantes que, identificando los datos correctamente no llegan a acabarlo, bien porque
no identifican la pregunta del enunciado o cometen un error. Entre ellos hemos
encontrado las siguientes categoras:

C1.1. Plantear el problema sin llegar resolverlo. Por ejemplo, el sujeto 9,
desarrolla un diagrama de rbol para calcular las probabilidades solicitadas. Ha
identificado los sucesos dados en el enunciado, calcula las probabilidades de los
complementarios (suspender cada asignatura) pero no contina el problema. Dibuja las
ramas del rbol separadas, lo que puede ser debido a identificar sucesos independientes
y mutuamente excluyentes.
(Sujeto 9).
C1.2. Confundir la probabilidad conjunta con la probabilidad de la unin de dos
sucesos. Se aplica la regla de la suma en lugar de la regla del producto. El siguiente
futuro profesor calcula el porcentaje de alumnos que suspenden cada asignatura,
identificando los datos del enunciado y obteniendo el suceso complementario en ambos
casos. Una vez encontradas las probabilidades de suspender cada asignatura, se suman,
Captulo 4

230
para calcular la probabilidad de suspender al menos una de las dos. Es decir, aplica la
regla de la suma para el caso de sucesos mutuamente excluyentes. Por tanto, confunde
los sucesos independientes con sucesos excluyentes, error sealado por Snchez (1996)
y Kelly y Zwiers (1986), que ya encontramos en los tems anteriores. Se obtiene como
resultado 50%, por lo que asigna que la probabilidad de aprobar sera el complementario
de sta.
20 de cada cien suspenden matemticas; 30 de cada cien suspenden ingls. Luego la
probabilidad es del 50% (Sujeto 45).

C1.3. Calcular la probabilidad conjunta aplicando la regla del producto, pero, no
interpretando los sucesos como independientes. Por ejemplo, el sujeto 123 calcula la
probabilidad conjunta a partir del producto de la probabilidad de aprobar ingls y de la
probabilidad de aprobar matemticas habiendo aprobado ingls, es decir, sin considerar
que estos sucesos son independientes, y aplicando la regla del producto para caso de
sucesos dependientes. Los datos estn correctamente identificados, pero la solucin es
incorrecta. Adems, al tratar de calcular la probabilidad condicional de aprobar
matemticas habiendo aprobado ingls, introduce un error en la frmula.
(Sujeto 123).

C1.4. Error en la frmula de la probabilidad conjunta. En el siguiente caso, se
calcula la probabilidad conjunta como la suma del producto de la mitad de cada
probabilidad simple. En la notacin que usa en el primer trmino de la igualdad no est
claro si interpreta el problema como la unin o interseccin de sucesos.
P(aprobar mates + aprobar ingls)=
( ) ( )
1 1
0,5 0,8 0,5 0,7
2 2
+
(Sujeto 117).

C2. Resuelve correctamente. Daz puntu con dos puntos en este problema a los
estudiantes que identifican correctamente los datos y obtienen la probabilidad pedida.
Nosotros hemos desarrollado en varias esta categora.
Evaluacin de conocimientos de futuros profesores de secundaria
231
C2.1. Resuelve correctamente sin utilizar frmulas. El sujeto 35 calcula la
probabilidad conjunta sin utilizar notacin matemtica. Suponemos que ha resuelto
usando clculo mental, pues indica con palabras que ha usado la frmula del producto y
adems de dar un resultado correcto, indica que los sucesos son independientes:
La probabilidad de que apruebe las dos asignaturas es el producto de las dos probabilidades
simples ya que son independientes, dando como resultados 0,56 (Sujeto 35).

C2.2. Resuelve correctamente utilizando la frmula de la probabilidad conjunta
para sucesos independientes. En el siguiente ejemplo, se utiliza explcitamente la
frmula correcta y la propiedad de descomposicin de la probabilidad conjunta para
sucesos independientes.
Como P(Mat)=0,8 y P(Ing)=0,7 entonces por ser independientes los dos sucesos tenemos que
( ) ( ) ( ) 0,8 0,7 0,56 P Mat Ing P Mat P Ing = = =
(Sujeto 1).

C2.3. Resuelve correctamente interpretando el resultado como de probabilidad
conjunta, utilizando un diagrama de rbol para dar la solucin correcta. Por ejemplo el
sujeto 55, que aparte de interpretar el diagrama de rbol y responder correctamente a la
cuestin, interpreta los dos sucesos como independientes.
(Sujeto 55).

En la Tabla 4.7.32 se observan las frecuencias de las distintas categoras del tem
14. El mayor porcentaje se da para la categora C2.2, que consiste en resolver
correctamente utilizando la frmula de la probabilidad conjunta para sucesos
independientes, con un 41,9% de las respuestas. Esto demuestra que los futuros
profesores muestran bastante competencia en la resolucin de problemas de
probabilidad compuesta para sucesos independientes. La segunda categora por orden de
aparicin ha sido la C2.1, resuelve correctamente sin utilizar frmulas, con un 34,3%.
La siguiente ha sido la C2.3, pero ya con poca presencia (2,6% de las respuestas).
Captulo 4

232
Tabla 4.7.32. Frecuencia y porcentaje de respuestas en el tem 14
Frecuencia Porcentaje
C0.1 2 1,0
C0.2 3 1,5
C0.3 1 0,5
C0.4 1 0,5
C1.1 6 3,0
C1.2 3 1,5
C1.3 1 0,5
C1.4 1 0,5
C2.1 67 34,3
C2.2 82 41,9
C2.3 5 2,6
En blanco 24 12,2


Comparando nuestra muestra con la de Daz vemos en la Tabla 4.7.33 que los
resultados son mucho mejores en los futuros profesores, ya que el porcentaje de
respuestas correctas de la muestra global fue un 26,1% mayor que la de Psicologa,
siendo tambin el porcentaje de errores mucho menor, un 11,3% menos. Ocurre lo
mismo con la categora 1 que se dio en un 14,8% menos en la muestra de futuros
profesores. La mayor preparacin matemtica fue visible, por la facilidad que supuso
para nuestros participantes la resolucin de este problema.

Tabla 4.7.33. Resultados en el tem 14
Futuros profesores (n=196) Psicologa (n=414)
Frecuencia Porcentaje Frecuencia Porcentaje
C0 31 15,7 112 27,0
C1 11 5,5 84 20,3
C2 154 78,8 218 52,7
Total 196 100,0 414 100,0

Comparando las dos submuestras (Tabla 4.7.34), observamos pocas diferencias,
aunque los resultados son ligeramente mejores en los alumnos de la Licenciatura de
Matemticas. El porcentaje de respuestas correctas del grupo de la licenciatura fue
mayor en un 7,7% que la del grupo del Mster. El porcentaje de errores fue menor en la
licenciatura, un 1,9% menos que en la muestra del Mster, aunque en ambos grupos
muy bajos. De una forma parecida ocurre en la categora 1 donde el porcentaje de
alumnos es ms alto en un 5,8%.



Evaluacin de conocimientos de futuros profesores de secundaria
233
Tabla 4.7.34. Resultados en el tem 14 (Matemticas y Mster de secundaria)
Matemticas (n=95) Mster (n=101)
Frecuencia Porcentaje Frecuencia Porcentaje
C0 14 14,9 17 16,8
C1 2 2,1 8 7,9
C2 78 83,0 76 75,3
Total 95 100,0 101 100,0



tem 12. En una encuesta publicada en un peridico se informa que el 91% de los
habitantes de una ciudad mienten usualmente y de ellos el 36% mienten sobre cosas
importantes. Si nos encontramos con una persona al azar de esta ciudad, cul es la
probabilidad de que mienta sobre cosas importantes?


En este caso se trata de evaluar la capacidad de resolucin de problemas de
probabilidad compuesta para sucesos dependientes, tambin en una situacin familiar al
alumno. Siguiendo a Daz (2007) se han definido tres categoras: (C0) No llega a
identificar correctamente los datos del problema; (C1) identifica los datos o realiza un
diagrama en rbol correcto, pero no llega a resolver el problema y (C2) resuelve el
problema correctamente. A continuacin describimos estas categoras que hemos
dividido en varios apartados.

C0. Responde incorrectamente no llegando a la identificacin de todos los datos.
Daz (2007) puntu como cero los casos en que el error en la respuesta es lo
suficientemente serio para impedir llegar a una estimacin de la probabilidad pedida. En
esta categora hemos incluido a aquellos que no dejan claro si identifican los datos del
enunciado, pues slo dan una respuesta donde confunden la probabilidad conjunta por la
condicional. No se han realizado ms categoras para este tipo de respuestas. Una
respuesta de este tipo la da el sujeto 46, que interpreta incorrectamente la pregunta del
enunciado como de probabilidad condicional (en lugar de probabilidad conjunta). Por
otro lado interpreta incorrectamente el porcentaje del 36% como la probabilidad
conjunta en lugar de la probabilidad condicional de, habiendo mentido, que la mentira
sea sobre cosas importantes. Encontramos de nuevo en este alumno la confusin ya
citada entre probabilidad conjunta y condicional.
P(mientan sobre cosas importantes)=P(mientan sobre cosas importantes/mientan)
( )
36
( )
100
/
91
( )
100
P A B
P B A
P A

= =
(Sujeto 46).

Captulo 4

234
C1. Identifican los datos o realizan el diagrama en rbol correctamente, pero
luego cometen algn tipo de error, bien al identificar la probabilidad que tienen que
calcular, o al aplicar la frmula. Hemos clasificado las respuestas de esta categora en
los siguientes niveles:

C1.1. Identifica correctamente los datos del enunciado, as como la pregunta,
interpretndola como probabilidad conjunta, pero toma los sucesos como
independientes. En el siguiente ejemplo no se tiene en cuenta que el suceso mentir
sobre cosas importantes depende del suceso mentir, por tanto no existe
independencia.
P(mientan sobre cosas importantes)= ( ) ( ) ( ) 0,91 0,36 P A B P A P B = = ; ya que son
independientes (Sujeto 130).

C1.2. Error en el uso de la frmula, habiendo identificado los sucesos y la
probabilidad que se pide. El siguiente sujeto identifica correctamente la probabilidad
conjunta pero a la hora de calcularla, en lugar de aplicar correctamente la frmula de la
probabilidad conjunta, divide la probabilidad de la interseccin por la probabilidad
simple en lugar de multiplicarlas, error que ya habamos encontrado en respuestas
anteriores:
La probabilidad de que mienta en cosas importantes es 36/91 (Sujeto 23).

C1.3. Errores de clculo. Cuando el sujeto identifica correctamente los datos y la
pregunta planteada, elije una frmula correcta para la probabilidad condicional, pero
comete errores aritmticos o de otro tipo al desarrollarla. Un ejemplo se incluye a
continuacin:
Probabilidad de que un habitante mienta sobre cosas importantes = P(A)
( )
91 36
0,91 0,36 0,1476
100100
P A = = =
Por tanto un 14,76% (Sujeto 25).

C1.4. Identifica los datos y realiza el diagrama en rbol, pero no identifica la
pregunta del problema, interpretndolo como un problema de proporcionalidad que
resuelve una regla de tres. Por ejemplo el sujeto 74 calcula el porcentaje de personas
que mienten sobre cosas importantes dentro de los que mienten.
Evaluacin de conocimientos de futuros profesores de secundaria
235
(Sujeto 74).

C1.5. Interpreta correctamente los datos y realiza el diagrama de rbol, pero no
calcula la probabilidad pedida. Reproducimos la respuesta del sujeto 30, quien
interpreta correctamente los diferentes sucesos y la dependencia entre ellos a partir del
diagrama de rbol, pero no calcula el resultado final.
(Sujeto 30).


C2. Resuelve correctamente el problema. Daz (2007) punta con 2 puntos los
casos en que resuelven el problema correctamente empleando la notacin adecuada.
Hemos clasificado las respuestas de esta categora en las siguientes:

C2.1. Resuelve correctamente sin utilizar frmulas. No se explicita el tipo de
probabilidad que va a calcular, pero se deduce de los clculos realizados y la solucin es
correcta. En el siguiente ejemplo se calcula la probabilidad conjunta como producto de
la probabilidad de mentir por la probabilidad de mentir sobre cosas importantes. Por
tanto se identific todos los datos del problema as como la pregunta, contestando
adecuadamente:
P=0.91*0,36=0.33 (Sujeto 1).

C2.2. Resuelve correctamente, interpretando el resultado como probabilidad
conjunta, utilizando la descomposicin de la probabilidad conjunta como producto de
una probabilidad simple por una condicionada. As, el sujeto 3 interpreta los sucesos
como dependientes, usa una notacin adecuada para representar los sucesos, sus
operaciones y las diversas probabilidades y aplica la frmula de la probabilidad
condicional para calcular la probabilidad conjunta.
Captulo 4

236
(Sujeto 3).

C2.3. Resuelve correctamente, utilizando el teorema de la probabilidad total. Es
una solucin un poco ms complicada, pero correcta. En estos casos se deduce las
probabilidades de los complementarios de algunos sucesos, necesarios para
posteriormente aplicar la regla de la probabilidad total. En la siguiente respuesta, el
sujeto 4 identifica correctamente los datos y la probabilidad pedida. Realiza una
particin del espacio muestral, deduciendo las probabilidades de no mentir
(complementario de mentir) y la probabilidad condicional de mentir sobre cosas
importantes cuando no se miente (0, como razona el alumno). Con todos estos datos,
calcula la probabilidad a partir del teorema de la probabilidad total como unin de dos
probabilidades conjuntas a partir de dos sucesos dependientes.
(Sujeto 4).

C2.4. Resuelve correctamente interpretando el resultado como de probabilidad
compuesta, utilizando un diagrama de rbol para dar la solucin. La solucin es
similar a otras anteriores, pero en lugar de usar la frmula, el alumno la deduce a partir
de un diagrama en rbol correctamente construido. Por ejemplo, el sujeto 13 dibuja el
diagrama de rbol para identificar los sucesos que intervienen y la dependencia entre
ellos, asignando adecuadamente probabilidades en cada rama para luego deducir la
probabilidad conjunta multiplicando las probabilidades de las ramas que llevan al
suceso de inters.
Evaluacin de conocimientos de futuros profesores de secundaria
237
(Sujeto 13).

C2.5. Resuelve correctamente utilizando una regla de tres. Aunque no est claro
que el estudiante identifique la probabilidad pedida, ste llega a una solucin correcta
por este mtodo. Un ejemplo lo da el sujeto 141, quien interpreta que el 36% de los que
mienten en cosas importantes los ha de calcular a partir del porcentaje de los que
mienten, calculando tal proporcin mediante una regla de tres.
(Sujeto 141).

Tabla 4.7.35. Frecuencia y porcentaje de respuestas en la definicin
Frecuencia Porcentaje
C0 24 12,2
C1.1 5 2,6
C1.2 17 8,7
C1.3 7 3,6
C1.4 2 1,0
C1.5 6 3,1
C2.1 70 35,7
C2.2 21 10,7
C2.3 3 1,5
C2.4 29 14,8
C2.5 1 0,5
En blanco 11 5,6

Las distintas categoras de este tem se han presentado muy repartidas y hacemos
notar que una parte importante de los participantes no identifica correctamente los datos
(C0). Otro grupo comete errores en la frmula de la probabilidad condicional (C1.2). La
categora ms representada (ver Tabla 4.7.35), ha sido la C2.1 (resuelve correctamente
sin utilizar frmulas) con un 35,7%. El resto de porcentajes ha estado muy repartido,
destacando la categora C2.4, resolver correctamente interpretando el resultado como de
probabilidad compuesta, y utilizando un diagrama de rbol para dar la solucin, con un
14,8% seguida de la C0, responde incorrectamente, no llegando a la identificacin de
Captulo 4

238
todos los datos, con un 12,2% de respuestas.
Comparando nuestros resultados con los de Daz vemos en la Tabla 4.7.36, que
los porcentajes de respuestas correctas en este tem en ambas muestras son muy
similares, siendo ste tem sencillo para las dos muestras. Slo destaca el 4,3% ms de
alumnos de Psicologa que responde incorrectamente no llegando a la identificacin de
todos los datos.
Tabla 4.7.36. Resultados en el tem 12
Futuros profesores (n=196) Psicologa (n=414)
Frecuencia Porcentaje Frecuencia Porcentaje
C0 35 17,9 92 22,2
C1 37 18,9 72 17,4
C2 124 63,2 250 60,4
Total 196 100,0 414 100,0

Por el contrario, en nuestros dos grupos s encontramos diferencias, como se
observa en la Tabla 4.7.37. Sorprendentemente, el porcentaje de respuestas correctas ha
sido un 22,7% mayor en la muestra de alumnos del Mster, a pesar de la mejor
preparacin de los Licenciados en Matemticas, posiblemente porque como hemos
visto, para poder resolver el problema una primera dificultad es identificar los datos del
enunciado y el porcentaje de alumnos de la licenciatura es mayor, un 7,3%, respecto a
responder incorrectamente no identificando los datos.

Tabla 4.7.37. Resultados en el tem 12 (Matemticas y Mster de secundaria)
Matemticas (n=95) Mster (n=101)
Frecuencia Porcentaje Frecuencia Porcentaje
C0 22 23,2 13 12,9
C1 24 25,3 13 12,9
C2 49 51,5 75 74,2
Total 95 100,0 101 100,0

La categora C1 est ms representada en el grupo de Matemticas con un 25,3%
de respuestas y slo se presenta en la muestra de alumnos del Mster en un 12,9%. Esta
categora, como hemos visto, incluye alumnos que no identifican la pregunta o bien
confunden sucesos dependientes e independientes o hacen errores en la frmula. En
consecuencia parece que la mayor preparacin formal no ha sido productiva para
problemas sencillos como este, donde los alumnos del Mster han tenido ms xito en
su resolucin a partir del uso de recursos como el diagrama en rbol.


Evaluacin de conocimientos de futuros profesores de secundaria
239
4.7.6. TEOREMA DE LA PROBABILIDAD TOTAL


tem 10. En una ciudad hay 60 hombres y 40 mujeres por cada 100 habitantes. 50 de cada
100 hombres y 25 de cada 100 mujeres fuman. Si cogemos 200 personas al azar, cuntas
de ellas fumarn?


Este tem se incluye para comprobar si los estudiantes reconocen las situaciones
en que puede aplicarse el teorema de la probabilidad total y son capaces de aplicarlo.
Como en casos anteriores y siguiendo a Daz (2007) se han definido tres categoras:
(C0) No llega a identificar correctamente los datos del problema; (C1) Identifica los
datos o realiza un diagrama en rbol correcto, pero no llega a resolver el problema y
(C2) resuelve el problema correctamente. A continuacin describimos estas categoras
que hemos dividido en varios apartados:

C0. No llega a identificar correctamente los datos del problema. Daz (2007)
puntu como cero estos casos pues el error en la respuesta es lo suficientemente serio
para impedir llegar a una estimacin de la probabilidad. No se han definido
subcategoras en este apartado. Por ejemplo, el sujeto 69, no identifica los elementos
correctamente, asignando al problema la existencia de tres grupos.
(Sujeto 69).

C1. Identifica los datos o construye un diagrama de rbol correctamente, pero no
llega a finalizar el problema. Nosotros hemos desarrollado esta categora en varias que
se describen a continuacin.

C1.1. El alumno elabora un diagrama en rbol correcto, pero no avanza en la
solucin como la siguiente solucin, donde el sujeto 4 identifica correctamente los datos
y realiza un diagrama, pero no identifica la pregunta:
Captulo 4

240
(Sujeto 4).

C1.2. Cometer errores en las operaciones. En la respuesta que reproducimos a
continuacin, el sujeto 41 identifica los datos y plantea bien el problema pero tiene
errores al multiplicar los nmeros decimales obteniendo un resultado incorrecto.
(Sujeto 41).

C1.3. Resuelve el problema sin tener en cuenta la probabilidad de ser hombre o
mujer. En estos futuros profesores se dara la falacia de las tasas base, descrita por
Kahneman, Slovic y Tversy (1982), consistente en no utilizar una parte de los datos del
enunciado, error observado en los tems de opciones mltiples. En el siguiente ejemplo
se calcula errneamente la esperanza, ya que slo se tiene en cuenta la probabilidad de
fumar sin tener en cuenta la probabilidad de cada gnero, por lo que se llega a una
solucin incorrecta.

50 25
200 200 150
100 100
+ =
; de las 200 personas fuman 150 (Sujeto 52).

C1.4. Error en el clculo de probabilidades, al mezclar en las operaciones
frecuencias absolutas y probabilidades. Por ejemplo, el sujeto 73, en primer lugar, tiene
un error en la frmula de la probabilidad total (que sera el numerador de su frmula).
Adems al calcular el numerador, en lugar de usar probabilidades usa frecuencias
absolutas.
(Sujeto 73).

C2. Llegar a dar el nmero esperado de personas que fuman. Daz (2007) dio una
puntuacin 2 a los alumnos que llegan a resolver correctamente el problema. Nosotros
Evaluacin de conocimientos de futuros profesores de secundaria
241
hemos subdividido en varias categoras, dando como correctas tanto a los alumnos que
calculan correctamente la probabilidad total como los que calculan el valor esperado.

C2.1. Calcular slo la probabilidad total de personas que fuman, pero no calcula
el nmero esperado. Una respuesta de este tipo la da el sujeto 5 calcula la probabilidad
utilizando la frmula de la probabilidad total, pero no da el resultado esperado.
(Sujeto 5).


C2.2. Resolver el problema correctamente para 100 personas y luego calcular el
resultado mediante una regla de tres. Se resuelve el problema usando porcentajes y,
como se pide el total esperado sobre 200 personas, aplica una regla de tres para dar el
total. Vase la siguiente solucin.
(Sujeto 31).

C2.3. Calcular el resultado a partir del teorema de la probabilidad total. El
estudiante identifica correctamente los datos, plantea con notacin adecuada la frmula
de la probabilidad total y la aplica correctamente. En la siguiente respuesta, se calcula la
probabilidad de fumar para despus multiplicarla por el nmero total de elementos
obteniendo as el nmero de personas que fuman.
(Sujeto 4).


Captulo 4

242
C2.4. Calcula el valor esperado. As, el sujeto 1 calcula el nmero de hombres y
mujeres por cada 200 habitantes y a partir de ellos calcula la esperanza como la suma
del producto del nmero de elementos de cada gnero por la probabilidad de su
ocurrencia.
(Sujeto 1).


C2.5. Calcula el valor esperado a partir de una tabla de contingencia. El sujeto
18 se sirve de una tabla 2x2 para dar la solucin correcta a partir de las frecuencias
marginales.
(Sujeto 18).


C2.6. Calcula la probabilidad total geomtricamente a partir de un cuadrado
1x1. En la siguiente respuesta, el sujeto 99 se sirve del rea de un cuadrado 1x1 para dar
la solucin correcta de la probabilidad total.
(Sujeto 99).


Las categoras de este tem estn muy repartidas (ver Tabla 4.7.38), destacando
principalmente la C2.3, consistente en calcular el resultado a partir del teorema de la
probabilidad total, y la C2.2, calcular el resultado mediante una regla de tres, con un
28,1% y un 25% respectivamente. Del resto de categoras, destaca la C2.4, calcular el
valor esperado, con un 13,8% de respuestas.
Un 74,5% de los futuros profesores de nuestra muestra fue capaz de responder
correctamente a la solucin esperada, aunque mayoritariamente utilizaban reglas de tres
en lugar de calcular la probabilidad y luego la esperanza. Este resultado es similar con el
resultado de Daz en el que el porcentaje lleg al 64,5%, un 10% inferior. Esto puede
Evaluacin de conocimientos de futuros profesores de secundaria
243
ser debido a que el termino esperanza matemtica est explcitamente incluido en la
formacin estadstica de los futuros profesores de Matemticas, pero no en el temario de
Psicologa. En cuanto a los alumnos que no identifican correctamente los resultados del
problema, tenemos que el porcentaje de estudiantes de nuestra muestra es similar al
encontrado en la muestra de estudiantes de Psicologa.

Tabla 4.7.38. Frecuencia y porcentaje de respuestas en la definicin
Frecuencia Porcentaje
C0 6 3,1
C1.1 2 1,0
C1.2 7 3,6
C1.3 11 5,6
C1.4 8 4,1
C2.1 9 4,6
C2.2 49 25,0
C2.3 55 28,1
C2.4 27 13,8
C2.5 4 2,0
C2.6 2 1,0
En blanco 16 8,1


Tabla 4.7.39. Resultados en el tem 10
Futuros profesores (n=196) Psicologa (n=414)
Frecuencia Porcentaje Frecuencia Porcentaje
C0 22 11,2 50 12,1
C1 28 14,3 97 23,4
C2 146 74,5 267 64,5
Total 196 100,0 414 100,0


En nuestros dos grupos encontramos diferencias (Tabla 4.7.40), ya que el
porcentaje de alumnos que llega a dar el nmero esperado de personas que fuman o la
probabilidad total de forma correcta ha sido un 11,8% mayor en la muestra de alumnos
del Mster. Destaca el porcentaje de alumnos de la Licenciatura, que aunque identifican
los datos, no finalizan el problema con un 13,2% ms que en Mster.

Tabla 4.7.40. Resultados en el tem 10 (Matemticas y Mster de secundaria)
Matemticas (n=95) Mster (n=101)
Frecuencia Porcentaje Frecuencia Porcentaje
C0 10 10,5 12 11,9
C1 20 21,1 8 7,9
C2 65 68,4 81 80,2
Total 95 100,0 101 100,0




Captulo 4

244
4.7.7. TEOREMA DE BAYES


tem 13. Una fbrica dispone de dos mquinas M1 y M2 que fabrican bolas. La mquina M1
fabrica el 40 % de las bolas y la M2 el 60%. El 5% de las bolas fabricadas por M1 y el 1%
de las fabricadas por M2 son defectuosas. Tomamos una bola al azar que resulta ser
defectuosa. Cul es la probabilidad de que haya sido fabricada por M1?


Este tem se incluye para comprobar si los estudiantes reconocen las situaciones
en que puede aplicarse el teorema de Bayes y son capaces de aplicarlo. Siguiendo a
Daz (2007), se han definido cinco categoras: (C0) No llega a identificar correctamente
los datos del problema; (C1) identifica los datos o realiza un diagrama en rbol correcto
pero no llega a resolver el problema; (C2) construye un diagrama en rbol adecuado o
identifica los datos e identifica el problema como de probabilidad condicional; (C3)
calcula correctamente la probabilidad total; y (C4) resuelve el problema correctamente.
A continuacin describimos estas categoras que hemos dividido en varios apartados:

C0. No responde o responde incorrectamente, no llegando a la identificacin
correcta de los datos del problema. Daz (2007) puntu como cero los casos en que el
alumno no llega a identificar correctamente los datos. Describimos las categoras
encontradas.

C0.1. Confunde una probabilidad condicional con su inversa, por ejemplo el
sujeto 23, que comete la falacia de la condicional transpuesta, ya sealada por Falk
(1986). En vez de calcular la probabilidad pedida, calcula la probabilidad de ser
defectuosa, habindose fabricado en la fbrica M1. Adems no utiliza el resto de los
datos del problema; por tanto consideramos que ni ha identificado los datos
correctamente, ni tampoco la pregunta planteada. No visualiza las sucesivas particiones
del espacio muestral, lo que bloquea la resolucin del problema.
La probabilidad de que haya sido fabricadas por M1 es 5/40, ya que como M1 fabrica el 40%
de las bolas y el 5% de las bolas fabricadas por M1 son defectuosas (Sujeto 23).

C0.2. Confundir probabilidad simple y condicional. En la siguiente respuesta se
entiende que como la bola es elegida al azar la probabilidad de ser defectuosa slo
depende de donde se fabric.
Evaluacin de conocimientos de futuros profesores de secundaria
245
En este caso, es diferente si la bola es defectuosa o no ya que la bola es obtenida al azar. Por
tanto la probabilidad ser de un 40% (Sujeto 97).

C1. Identifica los datos o construye un diagrama en rbol adecuado, completando
los datos faltantes, pero no se identifica la probabilidad pedida y por tanto no se
progresa en la solucin del problema. Hemos considerado las siguientes categoras.

C1.1. Construye correctamente el diagrama en rbol, pero no contina el problema.
Segn Daz y de la Fuente (2007), el primer paso para resolver los problemas implica
diferenciar entre probabilidad simple P(M1), P(M2) y probabilidad condicional
P(D/M1); diferenciar una probabilidad condicional P(D/M1) y su inversa P(M1/D); y
determinar las probabilidades de sucesos contrarios P(C/M1), etc. Por tanto, el
estudiante debe discriminar todos estos conceptos, realizar correctamente las sucesivas
particiones del espacio muestral, e identificar cules datos se refieren a cada uno de los
conceptos anteriores en el enunciado del problema. As, el sujeto 91 construye el
diagrama de rbol del experimento correctamente pero no contina el problema, pues,
aparentemente no identifica la probabilidad pedida en el enunciado.
(Sujeto 91).

C1.2. Identifica los datos, pero confunde la probabilidad pedida en el enunciado.
Por ejemplo, el sujeto 7 confunde probabilidad condicional y conjunta(Pollatsek, Well,
Konold y Hardiman, 1987 y Ojeda, 1995). Por ello calcula el producto de la
probabilidad de que haya sido la bola fabricada en la fbrica M1 por la probabilidad que
sea defectuosa en la fbrica M1.

40 5
100100
P =
(Sujeto 7).

C1.3. Confunde la probabilidad pedida en el enunciado y adems obtiene una
probabilidad mayor que 1. En la siguiente respuesta, el sujeto 78 ha interpretado la
pregunta como de probabilidad conjunta, al igual que el ejemplo anterior. Pero, para
resolver el problema, aplica una regla de tres, pues interpreta los sucesos como
independientes y quiere calcular el 40% del 5%. Como consecuencia, de un error al
aplicar la regla de tres, da como resultado la probabilidad 50/4 y no es consciente de que
Captulo 4

246
una probabilidad no puede ser mayor que la unidad.
(Sujeto 78).

C1.4. Confunde la probabilidad pedida en el enunciado, aunque llega a aplicar el
teorema de la probabilidad total con algunos errores de clculo. Un ejemplo, es el sujeto
25, que calcula primero la probabilidad total de ser defectuosa, pero se confunde en la
probabilidad pedida, pues calcula finalmente la probabilidad conjunta de ser defectuosa
y haberse fabricado en la fbrica M1. Adems comete errores en las operaciones
aritmticas, por lo que el valor de la probabilidad total es errneo.
(Sujeto 25).

C2. Diagrama correcto e identifica el problema como de probabilidad condicional,
pero hace algn tipo de error, que le lleva a dar una solucin incorrecta. Para
continuar, los futuros profesores deben identificar qu probabilidad se pide en el
problema, y que sta es una probabilidad condicional inversa. No es un paso sencillo,
pues algunos autores indican que los estudiantes asocian el condicionamiento con el
orden temporal de los sucesos y no encuentran natural que se condicione un suceso por
otro que ocurre con posterioridad (falacia del eje de tiempos, descrita por Falk (1986) o
concepcin cronologista de la probabilidad condicional identificada por Gras y
Totohasina (1995)). Hemos encontrado las siguientes categoras:

C2.1. No tener en cuenta la proporcin de bolas fabricadas por una y otra
mquina. En el siguiente caso, se interpreta correctamente los datos e identifica el
problema como de la probabilidad condicionada pero a la hora de calcular las
probabilidades, se comete un error en el clculo de la probabilidad total, pues no tiene
Evaluacin de conocimientos de futuros profesores de secundaria
247
en cuenta la proporcin de bolas producidas en cada fbrica.

( )
( ) 1 0,5 100 0,5
1/ 1
( ) 0,5 100 0,1100 0,6
P M defec
P M defectuosa
P defec

= = =
+
(Sujeto 63).

C2.2. Tomar los sucesos como independientes. Aunque se identifica los datos y el
problema como de probabilidad condicional, aplica la regla del producto para sucesos
independientes. Por ejemplo, el sujeto 41, multiplica la probabilidad de ser defectuoso
por la probabilidad de que sea fabricado en la fbrica M1. Por otro lado, no queda claro
el desarrollo del denominador.
(Sujeto 41).

C2.3. Errar en la frmula de Bayes. En la siguiente respuesta, el sujeto 7
identifica correctamente el problema pero confunde las probabilidades que aparecen en
la probabilidad total a la hora de definir el denominador del teorema de Bayes, por lo
cual ni siquiera lleva al clculo correcto de la probabilidad total.***
(Sujeto 7).

C3. Calcular correctamente la probabilidad total. Despus de identificar el
problema como el clculo de una probabilidad condicional y recordar la frmula de
Bayes, el futuro profesor debe calcular el numerador y denominador. El denominador
debe ser calculado con la regla de la probabilidad total, esto es, multiplicando las
probabilidades de cada rama del rbol y sumando cada una de esas probabilidades
conjuntas. Debe entender que se trata de sucesos dependientes, para aplicar
correctamente la regla del producto en este caso. Hemos encontrado varios casos:

C3.1. El alumno identifica los datos y la pregunta del enunciado y llega a aplicar
el teorema de la probabilidad total correctamente, pero al aplicar la frmula de la
Captulo 4

248
probabilidad condicional hace algn tipo de error. Por ejemplo, el sujeto 80 calcula
correctamente la probabilidad total de ser defectuoso pero erra en el clculo de la
probabilidad condicionada que calcula como si fuese una probabilidad conjunta en caso
de sucesos dependientes. Suponemos entonces que se trata de un error de frmula, ms
que de un error conceptual.
(Sujeto 80).

C3.2. El alumno aplica correctamente el teorema de la probabilidad total y no
contina con la solucin. Por ejemplo, el sujeto 57 en lugar de calcular la probabilidad
condicionada, calcula la probabilidad de que una bola sea defectuosa. Ha identificado
correctamente los datos y representado un diagrama en rbol adecuado. Calcula la
probabilidad total, identificando la dependencia de sucesos al aplicar la regla del
producto. No queda claro si cometi un error en la probabilidad pedida pero no contina
el problema.
(Sujeto 57).

C3.3. El alumno identifica correctamente los datos y la probabilidad pedida,
incluida la frmula de Bayes, pero tiene fallos en los clculos realizados. Algunos
futuros profesores, como en el siguiente ejemplo, cometen fallos aritmticos, como este
caso, que falla a la hora de dividir la probabilidad conjunta entre la probabilidad de la
condicin.
(Sujeto 22).

Evaluacin de conocimientos de futuros profesores de secundaria
249
C4. Resuelve correctamente. Daz (2007) punta con 4 puntos los casos de los
estudiantes que, habiendo completado todos los pasos anteriores, finalmente, los
sintetiza y calcula el numerador (probabilidad conjunta) y denominador (probabilidad
total) para obtener la probabilidad inversa, es decir, aplica el teorema de Bayes.
Nosotros hemos desglosado esta categora en varias que describimos a continuacin:

C4.1. Resuelve correctamente el problema utilizando el teorema de Bayes. Seran
los futuros profesores que identifican los datos y la pregunta del problema, aplicando
correctamente el teorema de Bayes, calculando la probabilidad conjunta para sucesos
dependientes y la probabilidad total. Por ejemplo el sujeto 1 utiliza el teorema de Bayes,
calculando anteriormente todas las probabilidades que proporciona el enunciado.
(Sujeto 1).

C4.2. Resuelve correctamente sirvindose del diagrama de rbol. El alumno hara
los mismos pasos que en el caso anterior, pero adems se ayuda de un diagrama en
rbol. En el siguiente ejemplo, se interpreta las probabilidades para construir el teorema
de Bayes a partir de un diagrama de rbol.
(Sujeto 18).

C4.3. Resuelve correctamente pero deja indicada la frmula sin calcular la
probabilidad. En la siguiente respuesta, el sujeto 19 construye el teorema de Bayes pero
no realiza la operacin.
(Sujeto 19).
Captulo 4

250
C4.4. Resuelve correctamente mediante una regla de tres. En la siguiente
solucin, el sujeto 108 calcula la probabilidad total y mediante una regla de tres calcula
la probabilidad condicional.
(Sujeto 108).

Las distintas categoras de este tem se han presentado muy repartidas. La
categora ms representada, ver Tabla 4.7.41, ha sido la C4.1, resolver correctamente
utilizando el teorema de Bayes, con un 26% de respuestas. El resto de porcentajes ha
estado muy repartido, destacando la categora C1.2, identificar los datos confundiendo
la probabilidad pedida en el enunciado, con un 14,9% seguida de la C4.3, resolver
correctamente pero dejar indicada la frmula sin calcular la probabilidad, con un 8,7%.

Tabla 4.7.41. Frecuencia y porcentaje de respuestas en la definicin
Frecuencia Porcentaje
C0.1 7 3,6
C0.2 2 1,0
C1.1 3 1,5
C1.2 29 14,9
C1.3 1 0,5
C1.4 3 1,5
C2.1 13 6,6
C2.2 4 2,0
C2.3 9 4,6
C3.1 9 4,6
C3.2 5 2,6
C3.3 15 7,7
C4.1 51 26,0
C4.2 4 2,0
C4.3 17 8,7
C4.4 2 1,0
En blanco 22 11,2


Comparando nuestros resultados con los de Daz (Tabla 4.7.42) vemos que los
resultados han sido similares. Aunque para la categora C4, resolver correctamente, los
resultados de la muestra de Daz es superior en un 7,5%, el resto de resultados son muy
distintos. El porcentaje de alumnos que no responden o responden incorrectamente no
identificando los datos del problema fue superior en la muestra de Matemticas pero
slo en un 2%. Ocurre algo similar para las categoras C1 y C3, donde el porcentaje es
Evaluacin de conocimientos de futuros profesores de secundaria
251
un poco superior para nuestra muestra en un 6,3% y 4,7% respectivamente.

Tabla 4.7.42. Resultados en el tem 13
Futuros profesores (n=196) Psicologa (n=414)
Frecuencia Porcentaje Frecuencia Porcentaje
C0 31 15,8 57 13,8
C1 36 18,4 50 12,1
C2 26 13,3 78 18,8
C3 29 14,8 42 10,1
C4 74 37,7 187 45,2
Total 196 100,0 414 100,0

Comparando nuestros dos grupos, Tabla 4.7.43, vemos que el porcentaje de
aciertos, categora C4, fue mayor en los alumnos del Mster de secundaria en un 24,2%.
El porcentaje de las restantes categoras es muy similar en ambos grupos, tanto en
aquellos que no identifican o construyen solamente el diagrama de rbol, excepto en la
categora C2 donde el porcentaje de alumnos que identifican el problema y construyen
el diagrama de rbol pero cometen algn error, es superior en la muestra de alumnos de
la Licenciatura de Matemticas en un 17,1%.

Tabla 4.7.43. Resultados en el tem 13 (Matemticas y Mster de secundaria)
Matemticas (n=95) Mster (n=101)
Frecuencia Porcentaje Frecuencia Porcentaje
C0 15 15,8 16 15,8
C1 18 18,9 18 17,8
C2 21 22,1 5 5,0
C3 17 17,9 12 11,9
C4 24 25,3 50 49,5
Total 95 100,0 101 100,0

4.7.8. SNTESIS DE RESULTADOS EN TEMS ABIERTOS

Una vez analizados individualmente los tems abiertos, en esta seccin
estudiaremos algunos indicadores de los conocimientos mostrados por los participantes
en estos tems, que, como se indic, evalan el conocimiento formal sobre probabilidad
condicional.
En la Tabla 4.7.44 hemos comparado la frecuencia y porcentaje del nmero de
alumnos que responden correctamente a cada tem, tanto para nuestra muestra, como
para la de Daz. En ella podemos observar que las mayores dificultades, en las dos
muestras, se han dado para el tem 8, definicin de la probabilidad condicional, por lo
Captulo 4

252
que podemos decir que la mayora de los futuros profesores, aunque comprenden el
significado de la probabilidad condicional, no saben definirla correctamente o cometen
sesgos en tal definicin. Otra conclusin es que los participantes en nuestra muestra
presentan un porcentaje de aciertos inferior para el tem relacionado con el teorema de
Bayes que los de la muestra de Daz (2007). Esto puede ser debido a que el temario de
Psicologa hace ms hincapi en tales problemas, por lo que los alumnos estn ms
familiarizados con ellos. El resto de tems ha tenido un porcentaje mayor de respuestas
correctas para la muestra de futuros profesores que para los alumnos de Psicologa. Los
porcentajes de aciertos han sido altos en la mayora de ellos, algo ms bajo para el tem
relacionado con la probabilidad condicional (tem 9) en el que aproximadamente uno de
cada dos alumnos respondi correctamente.

Tabla 4.7.44. Sntesis de resultados en items de conocimiento formal
Futuros profesores (n=196) Psicologa (n=414)
Frecuencia Porcentaje Frecuencia Porcentaje
tem 8. Definicin 31 15,8 127 30,7
tem 9. Probabilidad condicional 112 57,1 142 34,3
tem 10. Probabilidad total 146 74,5 267 64,5
tem 11. Independencia 153 78,1 287 69,3
tem 12. P. compuesta, dependencia 124 63,3 250 60,4
tem 13. Teorema de Bayes 74 37,8 187 45,2
tem 14. P. compuesta, independencia 154 78,6 218 52,7

En resumen, los futuros profesores muestran un conocimiento formal alto de la
probabilidad condicional, en lo que se refiere a resolucin de problemas y algo menor a
la hora de verbalizar una definicin del concepto.
Tabla 4.7.45. Sntesis de resultados en tems de conocimiento formal (Matemticas y Mster)
Matemticas (n=95) Mster (n=101)
Frecuencia Porcentaje Frecuencia Porcentaje
tem 8. Definicin 19 20,0 12 11,9
tem 9. Probabilidad condicional 44 46,3 68 67,3
tem 10. Probabilidad total 65 68,4 81 80,2
tem 11. Independencia 75 78,9 78 77,2
tem 12. P. compuesta, dependencia 49 51,6 75 74,3
tem 13. Teorema de Bayes 24 25,3 50 49,5
tem 14. P. compuesta, independencia 78 82,1 76 75,2

Respecto a nuestras dos submuestras (Tabla 4.7.45), destaca el bajo porcentaje de
respuestas correctas por parte de los alumnos de la licenciatura para los tems
relacionados con la definicin y teorema de Bayes, un 20% y el 25,26%
Evaluacin de conocimientos de futuros profesores de secundaria
253
respectivamente. Tambin los alumnos del Mster de secundaria presentan pobres
resultados en la definicin, donde slo respondieron correctamente un 11,8% de
respuestas correctas, pero los correspondientes al teorema de Bayes son mejores.
Destacan los dos tems relacionados con la independencia, en los que se alcanzaron los
mejores resultados para ambos grupos. Estos resultados implican que estos alumnos
estn familiarizados con este concepto, y saben aplicarlo en el contexto planteado.
En la Tabla 4.7.46 hemos analizado el nmero de respuestas correctas por parte de
los alumnos para los tems abiertos. Observamos que el nmero de respuestas correctas
ha fluctuado entre cero y seis, para ambas muestras. Ningn alumno es capaz de
resolver correctamente todas las preguntas y slo un 13,7% en el grupo de matemticas
y un 20% en los alumnos del Mster responden 6 de las 7.

Tabla 4.7.46. Nmero de tems correctos por alumno, tems 8 al 14
Lic. Matemticas Mster Secundaria Muestra Global
N resp. correctas Frecuencia Porcentaje Frecuencia Frecuencia Frecuencia Frecuencia
0 1 1,1 2 2,0 3 1,5
1 9 9,5 4 4,0 13 6,6
2 15 15,8 10 9,9 25 12,8
3 13 13,7 7 6,9 20 10,2
4 22 23,1 24 23,8 46 23,5
5 22 23,1 26 25,7 48 24,5
6 13 13,7 28 27,7 41 20,9
7 0 0 0 0 0 0
Total 95 100,0 101 100,0 196 100,0


Figura 4.7.1. Diagrama de barras en tems correctos de respuesta abierta


Como se muestra en la Figura 4.7.1, los resultados ms frecuentes se dan para
aquellos alumnos que contestan a cuatro, cinco o seis tems abiertos correctamente, un
Captulo 4

254
68,9% de los alumnos. Encontramos diferencias entre los dos grupos que componen
nuestra muestra ya que, como se observa en la Figura 4.7.2, los alumnos del Mster de
secundaria responden a ms tems abiertos correctamente, con el 75% de los alumnos
por encima de cuatro tems correctos. Por el contrario, en la muestra de alumnos de la
licenciatura slo el 50% contest a cuatro o ms tems correctamente.

Figura 4.7.2. Diagrama de cajas, comparativa puntuacin tems correctos de respuesta abierta


Los valores descriptivos de ambas muestras (Tabla 4.7.47) indican que el valor
medio de respuestas correctas fue inferior para el grupo de la Licenciatura, con una
media de 3,73 respuestas correctas, comparado al 4,35 de media de respuestas correctas
en la muestra del Mster. En resumen, la probabilidad condicional sigue siendo un
concepto difcil de aplicar para los futuros profesores, por lo que sera necesario en
incidir en su formacin al respecto.
Tabla 4.7.47. Anlisis descriptivo de tems correctos por alumno, tems 8 al 14
Lic. Matemticas Mster Secundaria Muestra Global
Media 3,73 4,35 4,05
Desv. Tpica 1,59 1,55 1,60
Mnimo 0 0 0
Mximo 6 6 6

Seguidamente tomamos en cuenta las distintas puntuaciones posibles de cada
tem. Los valores descriptivos de ambas muestras (Tabla 4.7.48) indican valores medios
y la dispersin aproximada, un poco inferior para la muestra de la licenciatura con 12,13
puntos de media en este grupo, aunque con resultados menos dispersos, respecto a los
12,85 puntos de media en la muestra del mster.
Como se muestra en el histograma (Figura 4.7.3), los resultados ms frecuentes se
Evaluacin de conocimientos de futuros profesores de secundaria
255
presentan para los valores comprendidos entre 10 y 17 puntos, obtenidos por el 83,2%
del total de la muestra. Slo el 3% de los alumnos tuvo un valor total menor de 5 puntos
y un 1% mayor de 17 puntos (un alumno). Encontramos pocas diferencias entre los dos
grupos que componen nuestra muestra ya que, como se observa en la Figura 4.7.4, el
75% de los alumnos de ambos grupos tuvo un resultado superior a 10. Slo en el caso
de los alumnos que componen el 25% con menores resultados se observan diferencias
ya que los alumnos del Mster presentan una mayor dispersin que los de la
Licenciatura.
Tabla 4.7.48. Anlisis descriptivo de tems segn puntuacin, tems 8 al 14
Lic. Matemticas Mster Secundaria Muestra Global
Media 12,13 12,85 12,5
Desv. Tpica 3,39 3,68 3,55
Mnimo 4 1 1
Mximo 18 18 18

Figura 4.7.3. Puntuacin total en tems de respuesta abierta
20 15 10 5 0
F
r
e
c
u
e
n
c
i
a
60
40
20
0





Figura 4.7.4. Diagrama de cajas, comparativa puntuacin total tem abiertos

Captulo 4

256
4.7.9. RELACIN ENTRE CAPACIDAD DE RESOLUCIN DE PROBLEMAS
Y SESGOS

Una vez estudiadas separadamente las respuestas correspondientes a los sesgos y
las relacionadas con el conocimiento formal, en este apartado trataremos de analizar la
relacin existente entre las dos partes de las que se compone el cuestionario.

Correlaciones
Para estudiar la relacin entre nmero de sesgos y capacidad de resolucin de
problemas se calcul, en primer lugar los coeficientes de correlacin de Pearson entre
las variables nmero de tems de opcin mltiple correctos, puntuacin en cada tem
abierto, puntuacin total en tems abiertos y nmero total de tems abiertos
correctos. En la Tabla 4.7.49 presentamos estas correlaciones, en las que se ha
marcado con asteriscos las que son estadsticamente significativas, teniendo en cuenta
las comparaciones mltiples, es decir, dividiendo el nivel de significacin =0,05 por el
nmero total de correlaciones (45), con lo que se obtiene un nivel corregido de
significacin =0,001. Como se observa, slo se dan correlaciones estadsticamente
significativas para las variables Puntuacin total tems abiertos y Nmero tems
abiertos correctos en relacin con la variable Nmero tem de opcin mltiple
correctos ya que en el resto de combinaciones el coeficiente de correlacin es muy
bajo.

Tabla 4.7.49. Correlaciones entre variables relacionadas con el conocimiento formal y el nmero tems de
opcin mltiple correctos
N. tems de opcin mltiple correctos
tem 8 0,142
tem 9 0,089
tem 10 0,188
tem 11 0,072
tem 12 0,166
tem 13 0,348
tem 14 0,184
Puntuacin total tems abiertos 0,350*
Nmero tems abiertos correctos 0,372*

El coeficiente de correlacin de Pearson para las variables nmero de respuestas
correctas en los tems de opcin mltiple y nmero de respuestas correctas en los tem
de respuesta abierta da un valor de r=0,372 (p=0,000). Por tanto estn relacionadas
Evaluacin de conocimientos de futuros profesores de secundaria
257
linealmente el nmero de respuestas correctas en los primeros tems con el nmero de
respuestas correctas en los restantes, aunque la relacin entre ambas variables es baja,
pues slo explicara el 13,8% de la varianza.
De igual forma, hemos calculado el coeficiente de correlacin de Pearson para las
variables nmero de sesgos en los tems de opcin mltiple y nmero de respuestas
correctas en los tem de respuesta abierta para las dos submuestras. Para los alumnos
de la Licenciatura de Matemticas tenemos un valor de r=0,022 (p=0,829); es decir
existe una correlacin casi nula entre ambas variables. Por tanto no estn relacionadas
linealmente el nmero de sesgos en los primeros tems con el nmero de respuestas
correctas en los restantes para el grupo de alumnos de la licenciatura. Para la
submuestra de alumnos del Mster de secundaria tenemos un valor de r=-0,241 (p
=0,015); es decir existe una correlacin negativa y baja entre ambas variables y es
significativa a un nivel de confianza del 95%. Por tanto estn relacionadas linealmente
el nmero de sesgos en los primeros tems con el nmero de respuestas correctas en los
restantes para el grupo de alumnos del Mster, pero como en el caso general es una
relacin muy dbil.
El coeficiente de correlacin de Pearson para las variables nmero de respuestas
correctas en los tems de respuesta mltiple y cada uno de los tem de respuesta abierta,
del tem 8 al tem 14 de la muestra conjunta da valores bajos del coeficiente de
correlacin. El test de hiptesis para todas las correlaciones da valores p-valor mayores
que 0,05. Podemos concluir que no estn relacionadas linealmente el nmero de
respuestas correctas en los primeros tems con cada uno de los tems abiertos.

Anlisis factorial
En segundo lugar, la relacin entre sesgos en el razonamiento condicional y
conocimiento formal se analiza a travs del anlisis factorial del conjunto de respuestas
a todos los tems y en el total de la muestra. Los tems de opcin mltiple se puntan
simplemente como 1=correcto, 0=incorrecto, mientras que los abiertos se puntan de 0
a 2 o de 0 a 4 como se explic en los apartados anteriores. El anlisis se ha realizado
con variables tipificadas, para que todas ellas aporten la misma contribucin a la inercia
total del conjunto de datos.
La tcnica de anlisis factorial fue utilizada por Daz (2007) en la validacin de
constructo de su cuestionario. Segn Muiz (1994) el anlisis factorial permite
comprobar las hiptesis tericas sobre la estructura del constructo. En nuestro caso, la
Captulo 4

258
principal hiptesis es la falta de relacin entre los tems relacionados con los sesgos y
los relacionados con el conocimiento formal, por lo que esperamos que al realizar el
anlisis aparezcan en factores separados, al menos en los primeros factores que explican
el mayor porcentaje de inercia.
Esperamos que los factores en nuestro anlisis reproduzcan en parte los resultados
de Daz (2007), aunque es de esperar algunas diferencias: Por un lado, el tamao de su
muestra fue mucho mayor; por otro, la autora incluy en el cuestionario varios tems no
incluidos en el estudio actual, que pueden interrelacionar con el resto e influenciar la
matriz de correlaciones. Finalmente, la diferente preparacin y conocimientos de los
estudiantes hace razonable esperar alguna variacin. Segn Martnez-Arias (1995) la
estructura factorial de las respuestas a un cuestionario permite, adems, comprobar la
dimensionalidad latente e interpretar los factores en trminos de las dimensiones
supuestas en el mismo.
Siguiendo el mismo procedimiento de Daz (2007) para comparar mejor los
resultados, la extraccin de factores se llev a cabo mediante el mtodo de componentes
principales; con objeto de obtener factores estadsticamente independientes y de
mxima variabilidad, al tiempo que no se deforma la estructura de los datos (Cuadras,
1981). Este mtodo parte de una estimacin inicial ms alta de las comunalidades
(Martnez-Arias, 1995). Como mtodo de rotacin se us la rotacin Varimax, mtodo
ortogonal, que conserva las comunalidades y la suma de porcentajes de varianza
explicados por los factores (Afifi y Clark, 1990). Est orientado a maximizar la varianza
de los factores.
Antes de aplicar el mtodo, se comprob la unidad experimental de las variables
(todos son tems referidos al mismo constructo) y nmero de casos necesarios (se
recomiendan al menos 10 por variable); en nuestro caso tenemos 14 variables y 196
sujetos, luego cumplimos esta condicin (Cuadras, 1981).

Tabla 4.7.50. KMO y prueba de Bartlett
Medida de adecuacin muestral de Kaiser-Meyer-Olkin 0,61
Prueba de esfericidad de Bartlett
Chi-cuadrado aproximado 275,95
gl. 105
Sig. 0,00

Se contrast la hiptesis de que los elementos de la matriz de correlaciones fuera
de la diagonal principal son diferentes de cero, mediante la prueba de esfericidad de
Evaluacin de conocimientos de futuros profesores de secundaria
259
Barlett (Tabla 4.7.50). Se obtuvo un valor altamente significativo, lo que indica la
existencia de correlaciones suficientemente altas entre las variables para poder realizar
el anlisis. La prueba de Kaiser-Meyer-Olkin dio un valor mayor que 0,6 recomendado
para poder llevar a cabo un anlisis factorial con garantas. Todo ello garantiz la
aplicabilidad del mtodo. En la Tabla 4.7.51 se presentan las comunalidades obtenidas
que oscilan entre 0,414 (tem 10, probabilidad total) y 0,674 (falacia de las tasas base) lo
que indica que cada tem tiene una parte especfica fuerte, en especial alguno de ellos
(Afifi y Clark, 1990).

Tabla 4.7.51. Comunalidades mediante anlisis de componentes principales

Inicial Extraccin
1. Tasas base 1,000 0,674
2. Indep/exclusividad 1,000 0,606
3. Confundir probabilidades 1,000 0,681
4. Falacia conjuncin 1,000 0,523
5. Condicional transpuesta 1,000 0,640
6. Eje temporal/canales 1,000 0,662
7a. Reposicin 1,000 0,616
7b. Eje temporal 1,000 0,549
8. Definicin 1,000 0,636
9. P. condicional 1,000 0,553
10. P. total 1,000 0,414
11. Independencia 1,000 0,633
12. P. compuesta, dep. 1,000 0,468
13. Bayes 1,000 0,419
14. P. compuesta, indep. 1,000 0,494


Tabla 4.7.52. Varianza total explicada mediante anlisis de componentes principales
Componente Autovalores iniciales Sumas de las saturaciones al
cuadrado de la extraccin
Suma de las saturaciones al
cuadrado de la rotacin
Total % de la
varianza
%
acumulado
Total % de la
varianza
%
acumulado
Total % de la
varianza
%
acumulado
1 2,481 16,540 16,540 2,481 16,540 16,540 1,687 11,247 11,247
2 1,565 10,436 26,976 1,565 10,436 26,976 1,526 10,173 21,420
3 1,196 7,975 34,951 1,196 7,975 34,951 1,510 10,069 31,489
4 1,164 7,760 42,711 1,164 7,760 42,711 1,402 9,348 40,837
5 1,114 7,427 50,138 1,114 7,427 50,138 1,280 8,532 49,370
6 1,047 6,977 57,115 1,047 6,977 57,115 1,162 7,745 57,115
7 0,984 6,561 63,676
8 0,921 6,140 69,816
9 0,819 5,461 75,277
10 0,754 5,028 80,305
11 0,744 4,960 85,266
12 0,632 4,216 89,481
13 0,594 3,957 93,439
14 0,572 3,813 97,252
15 0,412 2,748 100,000
Captulo 4

260
Se usaron mltiples mtodos para determinar cuntos factores extraer. La
extraccin inicial obtuvo 6 factores con autovalor mayor que 1, que explicaron el 57,1%
de la varianza total (Tabla 4.7.52). Este nmero de factores es menor a la mitad del
nmero inicial de variables menos 1.
El primer factor explica un 16,5% de la varianza, y el segundo un 10,4% mientras
que los siguientes alrededor cada uno, lo que indica la importancia relativa del primer y
segundo factor.
En el grfico de sedimentacin (scree plot) (Figura 4.7.5) se observa de nuevo que
la mayor varianza es debida al primer y segundo factor.
Figura 4.7.5. Grfico de sedimentacin



Tabla 4.7.53. Matriz de componentes no rotada mediante anlisis de componentes principales

Componente
1 2 3 4 5 6
13. Bayes 0,642
12. P. compuesta, dep. 0,557 -0,361
14. P. compuesta, indep. 0,517 -0,452
10. P. total 0,464 -0,322
4. Falacia conjuncin 0,449 -0,240 0,328 0,378
7b. Eje temporal 0,416 0,310 0,416 -0,292
1. Tasas base 0,605 0,363
6. Eje temporal/canales 0,380 0,594 -0,371
3. Confundir probabilidades 0,574 -0,335 0,386
2. Indep/ exclusividad 0,395 0,490 -0,371
8. Definicin 0,279 -0,252 0,498 -0,320 0,366
11. Independencia 0,450 -0,326 -0,468
5. Condicional transpuesta 0,311 0,703
9. P. condicional 0,296 -0,331 0,261 0,475
7a. Reposicin 0,358 -0,359 0,402 -0,416

Incluimos la matriz no rotada de componentes (Tabla 4.7.53), donde las variables
se presentan ordenadas segn la importancia relativa de su contribucin al primer factor.
Evaluacin de conocimientos de futuros profesores de secundaria
261
Hemos suprimido los coeficientes factoriales menores de 0,25 para facilitar la
interpretacin. Incluso antes de la rotacin se observa que diferentes variables
contribuyen a diversos factores (altas y bajas correlaciones con ellos). Pero tambin se
observa que la mayora de los tems contribuyen al primer factor y un nmero
apreciable de ellos tiene un peso importante en el mismo, lo cual contribuye una nueva
evidencia de existencia del constructo subyacente (Morales, 1988). No obstante, puesto
que el mtodo de extraccin trata de maximizar la varianza de los primeros factores,
puede considerarse que la matriz factorial no rotada contiene factores no puros, en el
sentido de que cada factor explica su varianza y parte del siguiente, por lo que se
aconseja hacer una rotacin para facilitar la interpretacin (Tabla 4.7.54). Hemos
representado en color grisceo los tems relacionados con los sesgos para ayudar en la
visualizacin. Se cumplen las siguientes condiciones (Afifi y Clark, 1990):
Tomar slo factores que sean interpretables para el investigador.
Cada fila de la matriz rotada tenga al menos un cero; es decir para cada variable
debe haber al menos un factor que no contribuya a su varianza.
Para cada factor, habr un conjunto de variables cuyas saturaciones se aproximen a
cero.
Cada factor debe tener peso importante de al menos dos variables, pues de otro
modo sera un factor especfico.
Los factores se interpretan a continuacin.

Tabla 4.7.54. Mtodo de rotacin: Normalizacin Varimax con Kaiser

Componente
1 2 3 4 5 6
11. Independencia 0,776
14. P. compuesta, indep. 0,597
12. P. compuesta, dep. 0,461 0,309 0,381
13. Bayes 0,407 0,334
1. Tasas base 0,786
6. Eje temporal/canales 0,781
2. Indep/ exclusividad 0,261 0,719
7b. Eje temporal 0,700
10. P. total 0,290 0,507
9. P. condicional 0,732
4. Falacia conjuncin 0,683
8. Definicin 0,747
3. Confundir probabilidades 0,298 0,716
5. Condicional transpuesta 0,690
7a. Reposicin 0,346 0,672
Captulo 4

262
Factor 1. Resolucin de problemas. El primer factor explica el 11,2% de la
varianza. Este alto porcentaje de varianza explicado refleja la importancia del primer
factor, al cual contribuyen la mayora de los tems de respuesta abierta. En particular, el
problema relacionado con la independencia, que presenta la contribucin mayor,
seguido de los problemas de probabilidad compuesta y el teorema de Bayes. Hay una
contribucin menor del problema de clculo de probabilidad condicional en situacin de
muestreo con reposicin y el problema de probabilidad total. Todos estos problemas
(excepto el 7) requieren un proceso de resolucin de al menos dos pasos, de los que el
primero es el clculo de una probabilidad condicional, que se utiliza en los siguientes
pasos (ej. regla del producto). Podemos interpretar este factor como la habilidad de
resolver problemas de probabilidad condicional complejos. Estos resultados replican
los de Daz (2007) cuyo primer factor tambin incluy estos tems, aunque con diferente
peso y orden de importancia.
Factor 2. Sesgos en el razonamiento condicional. El segundo factor explica el
10,2% de la varianza, lo cual es tambin una alta proporcin. Incluye los tems de la
falacia de las tasas base, falacia del eje temporal, confusin entre independencia y
mutua exclusividad y confusin entre diferentes probabilidades; los dos primeros con
mucha mayor saturacin. Por tanto, este conjunto de sesgos aparecen separados de los
tems relacionados con la resolucin de problemas, lo que confirma nuestra hiptesis de
que un estudiante con altos conocimientos matemticos, todava podra caer en los
anteriores sesgos. En el trabajo de Daz (2007) los tems correspondientes a sesgos
aparecieron en su mayora en factores separados del primer factor, aunque la relacin
entre diferentes sesgos no se mostr tan clara como en nuestro estudio ocurre con este
segundo factor.
Factor 3. Sesgos que afectan la resolucin de algunos problemas. Los tems que
ms contribuyen a este factor (que explica un 10% de inercia) son dos sesgos: La falacia
del eje temporal y la confusin entre independencia y mutua exclusividad. Por otro lado,
aparece una contribucin moderada de algunos tems de resolucin de problemas:
Probabilidad total, Bayes y probabilidad compuesta para caso de sucesos dependientes.
Es claro que, tanto el problema de probabilidad total como de Bayes, requiere
comprender bien las particiones sucesivas del espacio muestral y, en consecuencia, no
confundir la mutua exclusividad de los conjuntos de la particin con independencia. Por
otro lado, la correcta solucin del problema de Bayes requiere superar la falacia del eje
Evaluacin de conocimientos de futuros profesores de secundaria
263
de tiempos. Es menos clara la relacin con el caso de la probabilidad compuesta para
sucesos dependientes, pero esta es necesaria para resolver tanto el problema de
probabilidad total, como del de Bayes; posiblemente esto explica su presencia en este
factor.
Factor 4. Falacia de la conjuncin. (9,3% de varianza explicada) Los dos tems
que ms contribuyen a este factor son la falacia de la conjuncin y el clculo de la
probabilidad condicional a partir de la definicin; este factor reproduce casi
exactamente el quinto factor en el trabajo de Daz; pero en nuestro caso aparece una
relacin con el clculo de la probabilidad compuesta, aunque con poco peso.
Factor 5. Definicin de la probabilidad condicional. (8,5% de varianza explicada)
nicamente dos tems contribuyen a este factor: la definicin de la probabilidad
condicional y la confusin entre diferentes probabilidades. Recordemos que en el tem
de definicin se preguntaba a los participantes por la diferencia entre probabilidad
simple y compuesta, por lo que es razonable que estos dos tems aparezcan asociados.
Por otro lado, al ser los nicos en este factor indica la especificidad de la competencia
necesaria para dar una definicin correcta, no relacionada ni con la capacidad de
resolver problemas ni con la superacin de los sesgos de razonamiento. Una explicacin
es la baja frecuencia de alumnos con una definicin correcta en nuestra muestra. En el
trabajo de Daz, la definicin tambin apareci separada de la resolucin de problemas y
de los tems relacionados con sesgos, aunque en su caso se relacionaba con algunos
pocos tems de resolucin de problemas (los ms sencillos, algunos de los cules no han
sido incluidos en este estudio) y con un problema de enumeracin del espacio muestral
tampoco incluido en este caso.
Factor 6. Falacia de la condicional transpuesta. (7,7% de varianza explicada) El
ltimo factor slo agrupa dos tems ambos con alta saturacin. La falacia de la
condicional transpuesta slo aparece en este, por tanto hemos dado su nombre a este
factor. Se asocia al tem 7a, un tem sencillo de clculo de probabilidad condicional en
muestreo con reposicin. Ambos tems fueron sencillos, y esto explica la posible
asociacin. Tambin en este caso, este factor reproduce exactamente el factor 6 en el
estudio de Daz (2007).



Captulo 4

264
4.8. CONCLUSIONES DEL ESTUDIO 2

El Estudio 2, que se ha presentado en este captulo, estuvo orientado a evaluar la
presencia de los sesgos ms comunes sobre el razonamiento en probabilidad
condicional, que se describieron en el captulo 2, en una muestra de futuros profesores
de Educacin Secundaria. Al mismo tiempo se deseaba evaluar su conocimiento
comn de dicho contenido. Un segundo objetivo fue comparar los resultados de la
evaluacin en futuros profesores de secundaria, con los obtenidos por Daz (2007), con
el mismo cuestionario en estudiantes de Psicologa. Como tercer objetivo del estudio 2
se deseaba evaluar la competencia en resolucin de problemas de probabilidad
condicional por los futuros profesores y su interrelacin con los sesgos anteriormente
descritos.
Las hiptesis que planteamos respecto a los anteriores objetivos fueron las
siguientes:
Esperbamos, en primer lugar, encontrar una proporcin alta de futuros profesores
en la muestra que presenten los sesgos evaluados en el estudio.
Por el contrario, esperbamos que los resultados en los tems relacionados con la
resolucin de problemas en nuestro estudio fuesen mejores que los encontrados por
Daz (2007), debido a la mejor preparacin en estadstica y probabilidad de los
participantes en nuestro estudio.
Finalmente, la tercera hiptesis de este estudio era la falta de relacin entre la
competencia matemtica de los estudiantes para resolver problemas de
probabilidad condicional y los sesgos observados en su razonamiento
probabilstico.

Para conseguir los objetivos logrados y analizar las hiptesis planteadas, a lo largo
del captulo se ha llevado a cabo un estudio pormenorizado de las respuestas de la
muestra de futuros profesores a una parte de los tems del cuestionario de Daz (2007).
Se ha seguido el mtodo de anlisis de la citada autora, aunque en los tems de respuesta
abierta se ha ampliado su categorizacin de respuestas. Se han comparado nuestros
resultados con los de Daz y adems se han comparado los resultados en las dos
submuestras utilizadas en el estudio. En lo que sigue resumimos nuestras conclusiones
sobre los citados objetivos e hiptesis.
Evaluacin de conocimientos de futuros profesores de secundaria
265
Sesgos en el razonamiento sobre probabilidad condicional
Al analizar el porcentaje de futuros profesores que incurre en las diferentes
falacias o sesgos, hemos mostrado que dicho porcentaje es alto. Tanto en nuestra
muestra, como en la de Daz, se ha confirmado nuestra primera hiptesis, pues hay una
fuerte presencia de los sesgos analizados.
Destaca por su incidencia la falacia del eje de tiempos, que se dio en alrededor de
dos de cada tres participantes en nuestro estudio en el tem 6 y uno de cada tres en el
tem 7b. En menor medida, aunque tambin con alto porcentaje, aparece la falacia de
las tasas base, que en nuestra muestra se dio en 39,8%, pero que en la muestra de Daz
slo alcanz el 15%. El siguiente sesgo por orden de frecuencia fue la confusin entre
probabilidad conjunta y condicional, con uno de cada tres encuestados. El resto de
sesgos, falacia de la conjuncin y de la condicional transpuesta, se dieron en un
porcentaje menor, alrededor del 10% en nuestra muestra y en menor porcentaje en la de
Daz.
Deducimos que la formacin matemtica recibida por los futuros profesores no es
suficiente para hacerles conscientes de la existencia de estos sesgos y que, por lo tanto,
los podran transmitir a sus estudiantes. Aunque los tems propuestos estaban diseados
para mostrar distintas falacias y sesgos comunes en la poblacin, esto no justifica su
presencia tan extendida en la muestra, pues hay que tener en cuenta que muchos de
estos problemas ocurren fcilmente en la vida cotidiana o profesional. Por otro lado, los
resultados en algunos de los tems de opcin mltiple han sido peores que los obtenidos
por Daz (2007) en estudiantes de Psicologa, a pesar de la mayor preparacin
matemtica de los alumnos de nuestra muestra.
Para comprobar si existe relacin entre la frecuencia de aparicin de los diferentes
sesgos estudiados y el tipo de estudiante, hemos realizado un test Chi-cuadrado de
contraste de hiptesis, obteniendo resultados estadsticamente muy significativos. En
consecuencia, los diferentes sesgos encontrados en cada tem tienen relacin, con la
muestra de estudiantes, siendo mayor la falacia de las tasas base, confusin entre
sucesos independientes y mutuamente excluyentes en los futuros profesores de
Matemticas que estudiantes de Psicologa, mientras que la falacia del eje de tiempo es
ligeramente mayor en el segundo grupo. El resto de sesgos tiene poca incidencia y es
similar en ambos grupos.
Al comparar los estudiantes del Mster con los de la Licenciatura de Matemticas,
Captulo 4

266
hemos realizado un test Chi-cuadrado, con resultados no estadsticamente significativos.
En consecuencia, no observamos diferencias en la presencia de los diferentes sesgos en
los dos grupos que componen nuestra muestra. Ser por tanto necesario que los
formadores de profesores, tanto en la Licenciatura de Matemticas, como en el Mster
tengan en cuenta estos sesgos y se organicen actividades formativas que los ayuden a
superarlos, ya que, como indican Serrad, Azcrate y Cardeoso (2006), estos segos
podran incidir en la confianza que muestren en la enseanza de este tema en el futuro.

Resolucin de problemas
Al contrario de lo encontrado con los tems que miden los sesgos, en los tems
abiertos, el porcentaje de alumnos que cometen errores es mucho menor que los de la
muestra del estudio de Daz. Por tanto, tambin se confirma nuestra hiptesis al
respecto. Solamente en el caso del tem relacionado con el teorema de Bayes se dio un
porcentaje de errores mayor en la muestra de nuestro estudio que en la de Psicologa,
siendo el porcentaje muy bajo. Por otro lado, en los dos estudios coinciden los
resultados en el tem 9, relacionado con el clculo de la probabilidad condicional, que
fue un tem con dificultades por parte de ambas muestras.
Destacamos que nuestros anlisis de las respuestas en estos tems han permitido
extender las categoras cuantitativas propuestas por Daz (2007) para puntuar la mayor o
menor correccin de la respuestas. Este anlisis pormenorizado nos ha servido para
detectar diferentes sesgos y conflictos semiticos que tambin se translucen en las
respuestas abiertas, con lo que se confirma la presencia de sesgos detectada en los tems
de opciones mltiples:
La confusin entre condicionamiento y causalidad se presenta en un 32% de las
respuestas del tem 8 (definicin), donde los alumnos expresan la idea de que el
suceso condicionado ha de depender del condicionante.
La falacia del eje temporal se presenta en un 17,3% de las respuestas la tem 8,
dando a entender en la definicin que el suceso condicionante ha de ser previo al
condicionado.
Un 16 % de estudiantes tienen dificultad en determinar el espacio muestral en un
problema sencillo consistente en imponer una condicin a la suma de dos dados y
otro 5% no diferencian el orden de los dados en este contexto (tem 9).
La falacia del jugador se presenta en un 6,1% de estudiantes en el tem 11
Evaluacin de conocimientos de futuros profesores de secundaria
267
(independencia) al estimar la probabilidad de que se produzca un nuevo resultado en
funcin de los resultados anteriores.
Unos pocos alumnos en el tem 11 confunden los sucesos independientes con
sucesos excluyentes, error sealado por Snchez (1996) y Kelly y Zwiers (1986).

Relacin entre sesgos y conocimiento formal
Los resultados sobre este punto confirman nuestra hiptesis sobre la escasa
relacin entre sesgos en el razonamiento condicional y conocimiento formal del tema,
apoyando de este modo los resultados de Daz (2007) con estudiantes de Psicologa.
Por un lado, al correlacionar el nmero total de respuestas correctas en los tems
de opcin mltiple (que miden diferentes tipos de sesgos) con la puntuacin obtenida en
los tems abiertos y otros indicadores del conocimiento formal del tema, se obtienen
correlaciones muy pequeas. Aunque en algn caso hayan sido estadsticamente
significativas, no se traduce este resultado en una significacin prctica, pues la baja
correlacin no permite predecir, en funcin del conocimiento del tema, los sesgos que
cometer el futuro profesor.
Por otro lado, el anlisis factorial realizado del conjunto de respuestas a todos los
tems reproduce de una manera bastante fiel los resultados obtenidos por Daz (2007).
Hay alguna variacin en la composicin de los diferentes factores, pues, por un lado, se
suprimieron varios tems de nuestro estudio, por lo cual la correlacin de dichos tems
influy en la estructura factorial del anlisis de Daz, pero no en el nuestro.
Por otro, nuestra muestra, aunque importante y vlida para el anlisis, no es tan
amplia como la de la citada autora, cuyos resultados, por dicho motivo sern ms
fiables. Finalmente, al cambiar la preparacin previa del sujeto que respondi al
cuestionario, es de esperar variaciones. Aun as, los resultados permiten corroborar la
falta de relacin entre tems de uno y otro tipo de una forma general, aunque las
conclusiones respecto a la interpretacin de cada factor se detallaron en el anlisis.
Estos resultados tambin contribuyen a reforzar, con una nueva muestra, la validez de
constructo del cuestionario RPC, que ya fue comprobada por la autora durante su
construccin.
En resumen, los resultados del Estudio 2, muestran por un lado, un conocimiento
formal general bueno de la probabilidad condicional y capacidad para resolver
problemas relacionados en los futuros profesores, unido a una fuerte presencia de sesgos
Captulo 4

268
de razonamiento relacionados con la probabilidad condicional, que no depende de la
alta preparacin matemtica.
La consecuencia prctica de este resultado es que si centramos la preparacin de
los futuros profesores nicamente en el componente formal del conocimiento de la
probabilidad condicional, no podremos asegurar que estn libres de sesgos, si no se les
confronta con los mismos. Como consecuencia, al no ser conscientes de estos sesgos,
no sern capaces de diagnosticar estos errores en sus estudiantes cuando los presenten,
pues ellos mismos los comparten.
Ser necesario organizar situaciones didcticas para los profesores que les permita
concienciarse de sus propios sesgos y les ayuden a superarlos. Para contribuir a lograr
este nuevo objetivo, en el captulo 5 se analizan algunos recursos que podran ser tiles
para disear este tipo de actividades (Estudios 3 y 4) y en el captulo 6 se estudiar una
experiencia formativa para profesores basada en uno de estos recursos (Estudio 5). De
este modo, con el conjunto de estudios que componen esta informacin completaremos
el ciclo evaluacin, bsqueda de recursos formativos, diseo de actividades formativas,
evaluacin de su efectividad.


269

CAPTULO 5.
ANALISIS DE RECURSOS PARA LA FORMACIN DE
PROFESORES


5.1. Introduccin
5.2. Recursos para la enseanza de la probabilidad condicional en Internet
5.2.1. Introduccin
5.2.2. Objetivos e hiptesis del Estudio 3
5.2.3. Material y mtodo
5.2.4. Anlisis de resultados
5.2.4.1. J uegos
5.2.4.2. Exploracin de conceptos
5.2.4.3. Recursos para resolver problemas
5.2.4.4. Lecciones o libros de texto
5.2.4.5. Calculadores
5.2.5. Procesos matemticos
5.2.6. Idoneidad didctica del trabajo con los recursos.
5.2.7. Conclusiones del Estudio 3
5.3. Paradojas de probabilidad como recurso didctico
5.3.1. Introduccin
5.3.2. Objetivos e hiptesis del Estudio 4
5.3.3. Material y mtodo
5.3.4. Anlisis de resultados
5.3.4.1. La paradoja de Bertrand y sus variantes
5.3.4.2. Otras paradojas de independencia y a la probabilidad condicional
5.3.5. Procesos matemticos
5.3.6. Idoneidad didctica del trabajo con las paradojas
5.3.7. Conclusiones del Estudio 4



5.1. INTRODUCCIN

En los estudios 1 y 2 se puso de manifiesto las necesidades formativas de los
futuros profesores sobre algunos contenidos matemticos relacionados con la
probabilidad condicional. Adems, en el captulo 2, se sugiere que los conocimientos
estadsticos en s mismos no son suficientes para que los docentes puedan ensear
probabilidad de una manera efectiva y desarrollar en sus estudiantes un adecuado
razonamiento probabilstico. Algunos profesores pudieran desconocer la metodologa
propuesta en los nuevos currculos (basada en experimentos y simulaciones) o no ser
conscientes de algunas de las dificultades y sesgos probabilsticos de sus alumnos
(Stohl, 2005). Si su formacin inicial se centr en las competencias matemticas, y
Captulo 5

270
recibieron una enseanza de la probabilidad muy clsica, basada en la axiomtica de
Kolomogorov y en el razonamiento deductivo, stos profesores pueden sentirse
inseguros con enfoques ms informales, como los sugeridos hoy da en el currculo de la
educacin primaria y secundaria (Serrad, Azcrate y Cardeoso, 2006).
Una consecuencia del anlisis realizado en los Estudios 1 y 2 y en el captulo 2 es
la necesidad de desarrollar y evaluar los conocimientos de los docentes teniendo en
cuenta los diferentes componentes que se describieron en dicho captulo para el
conocimiento del profesor. Es importante proporcionar al profesor actividades que les
sirvan para conectar los aspectos conceptuales y didcticos de cada tema matemtico
(Ball, 2000). Las actividades presentadas a los profesores tambin deben basarse en el
enfoque constructivista y social del aprendizaje (J aworski, 2001).
Los Estudios 3 y 4 presentados en este captulo estn dirigidos a analizar dos tipos
de recursos en los que podamos basarnos para llevar a cabo esta formacin: recursos en
Internet (Estudio 3) y paradojas clsicas en la historia de la probabilidad (Estudio 4). A
continuacin se describen cada uno de estos estudios.

5.2. RECURSOS PARA LA ENSEANZA DE LA PROBABILIDAD
CONDICIONAL EN INTERNET

5.2.1. INTRODUCCIN

La estadstica es una de las materias que ha tenido mayor influencia de la
tecnologa, y en particular de Internet (Galmacci, 2001), como se observa en la pgina
de la International Association for Statistical Education,
(www.stat.auckland.ac.nz/~iase/) que recoge vnculos a otros servidores y
publicaciones, incluyendo tesis doctorales, actas de conferencias y revistas electrnicas,
como Statistics Education Research Journal.
Entre otras posibilidades, los libros de texto se empiezan a transformar en
ediciones electrnicas, libremente accesibles a la consulta, modificacin y sugerencias a
travs de Internet. Es tambin sencillo obtener datos de todo tipo para que los
estudiantes puedan realizar investigaciones sobre casi cualquier tema. Tambin pueden
combinar diferentes conjuntos de datos en un mismo proyecto o enviar a la red sus
propias colecciones de datos para que sean usadas por nuevos estudiantes en cualquier
Anlisis de recursos para la formacin de profesores

271
rincn del planeta. Las listas de discusin entre profesores o entre alumnos, la tutora
de alumnos a distancia, cuando no es posible la comunicacin directa con el profesor, ya
es habitual en escuelas y universidades. A continuacin se describen los objetivos e
hiptesis del Estudio 3, orientado a la evaluacin de la utilidad de algunos de estos
recursos en la formacin del profesorado.

5.2.2. OBJETIVOS E HIPTESIS DEL ESTUDIO 3

El objetivo general del Estudio 3 es localizar, clasificar y analizar algunos
recursos didcticos en Internet que sean tiles en el estudio de la probabilidad
condicional e independencia, en relacin a las carencias mostradas en los Estudios 1 y 2,
tanto respecto al conocimiento matemtico, como respecto al conocimiento didctico,
en las diferentes facetas consideradas en este trabajo. Ms concretamente, perseguimos
dos objetivos especficos:
1. El primer objetivo es seleccionar algunos recursos relacionados con la
probabilidad condicional e independencia y realizar una clasificacin de los
mismos. Han de tratarse de recursos interesantes para los profesores que
complementen los libros de texto. Deben requerir conocimientos de probabilidad
condicional o independencia. Al mismo tiempo han de tener potencial para
organizar un debate en torno a las cuestiones matemticas y didcticas, que
contribuyan a incrementar el conocimiento del profesor.
2. El segundo objetivo es realizar un anlisis de los objetos matemticos puestos en
juego en el uso didctico de algunos de los recursos seleccionados e identificar
algunos posibles conflictos semiticos que puedan surgir durante su solucin.
3. El tercer objetivo es valorar los procesos matemticos utilizados en el trabajo con
los recursos seleccionados y la idoneidad didctica de los mismos en los cursos de
formacin de profesores.
Nuestra hiptesis sobre este estudio es que podremos identificar una variedad de
recursos que muestren la riqueza de objetos matemticos relacionados con la
probabilidad condicional. Asimismo pensamos mostrar la idoneidad didctica de estos
recursos para la formacin de profesores en el campo de la probabilidad condicional.
La hiptesis se fundamenta, tanto en el anlisis de significado de referencia de la
probabilidad condicional, llevado a cabo en la seccin 1.4, como en nuestro marco
Captulo 5

272
terico, descrito en la seccin 1.3, el cul especfica la complejidad del conocimiento
matemtico. Las practicas matemticas necesarias para resolver problemas relacionados
con el uso de estos recursos, permitirn, de acuerdo a Godino, Batanero y Font (2007),
hacer aflorar configuraciones, objetos intervinientes y emergentes, de los sistemas de
prcticas, en las categoras descritas por los autores. Nos basamos, asimismo, en el
estudio previo de recursos en Internet presentado en Contreras (2009) y Contreras, Daz
y Batanero (2009), donde se mostr la alta idoneidad afectiva de los recursos, as como
la idoneidad adecuada en el resto de los componentes de este concepto.

5.2.3. MATERIAL Y MTODO

La localizacin de los recursos analizados en este captulo se ha realizado a travs
de varios sistemas:
Explorando algunos servidores de educacin estadstica, que incluyen listados de
recursos en Internet. Hemos explorado los servidores de Biblioteca virtual de
recursos manipulativos (nlvm.usu.edu/es/nav/vlibrary.html), la plataforma Mundo
matemtico (www.planetamatematico.com/); NCTM (www.nctm.org/), IASE
(www.stat.auckland.ac.nz/~iase/) Proyecto Descartes del Ministerio de Educacin
(descartes.cnice.mec.es/) y el servidor de nuestro grupo de investigacin
(www.ugr.es/~batanero/).
A partir de algunos artculos que describen recursos en Internet, como los trabajos
de Mills (2002) y de Daz y de la Fuente (2005).
Mediante bsqueda directa en buscadores de Internet, utilizando palabras claves
como Applet y alguna de las siguientes probabilidad condicional probabilidad
condicionada, independencia, conditional probability, Bayes, etc.
Una vez localizado un recurso, se clasific en algunos de los apartados que se
describen en este captulo. Localizados los principales recursos dentro de cada una de
las categoras, se eligi uno interesante desde el punto de vista didctico. En este
captulo llevamos a cabo un anlisis completo de dichos ejemplos. Asimismo, se
seleccionaron otros dos recursos de inters para hacer una descripcin resumida y el
resto simplemente se list en una tabla. No pretendemos ser exhaustivos, sino slo
mostrar algunos recursos tiles para nuestros objetivos.

Anlisis de recursos para la formacin de profesores

273
El anlisis del ejemplo elegido se realiza desde diferentes puntos de vista. En
primer lugar, describimos el recurso, proporcionando datos de su ubicacin en Internet y
su autor, as como los objetivos que se persiguen con l, en el caso de que se hayan
explicitado o puedan deducirse de su anlisis. En segundo lugar se lleva a cabo un
anlisis matemtico de las posibles soluciones correctas (en caso de que se trate de un
problema o un juego cuya estrategia se justifique mediante la solucin de un problema).
Si se trata de un recurso de exploracin, analizamos los objetos matemticos en juego.
En algn caso se describe la literatura o historia relacionada y las variantes del
mismo encontradas en otros sitios de Internet.
De acuerdo a Godino, Font y Wilhelmi (2008) una tarea importante para el
profesor es valorar su prctica docente con la finalidad de favorecer el aprendizaje de
los estudiantes. Para facilitar sta valoracin, los autores describen diversos niveles de
anlisis, algunos de los cules creemos que tambin pueden aplicarse al estudio de los
recursos didcticos, entre ellos los recursos en Internet. En concreto, para la descripcin
de los recursos realizaremos dos tipos de anlisis:
Los sistemas de prcticas y objetos matemticos implcitos en el trabajo con el
recurso. Segn los autores, el anlisis de objetos ligados a las prcticas matemticas
se aplica durante la planificacin de la enseanza. Permite descomponer el proceso
de estudio previsto en una secuencia de episodios y, para cada uno de ellos, describir
las prcticas supuestas. En nuestro caso consideramos un nico episodio. Como
consecuencia, trataremos de identificar las configuraciones y objetos latentes en el
trabajo de los estudiantes al resolver problemas con los recursos analizados.
Los procesos matemticos requeridos y posibles conflictos semiticos de los
estudiantes en el uso del recurso, describiendo con detalle las que se hayan
identificado en las investigaciones previas, como por ejemplo en Daz (2005) y Daz
y de la Fuente (2005).

5.2.4. ANLISIS DE RESULTADOS

5.2.4.1. JUEGOS

En esta categora se incluyen diversos juegos encontrados en Internet, donde
interviene la probabilidad condicional. Su utilidad en la enseanza es que hacen aflorar
Captulo 5

274
los errores y las concepciones errneas de los estudiantes. En la formacin de
profesores, estos juegos permiten contextualizar la reflexin epistemolgica sobre la
probabilidad condicional y otras ideas estocsticas fundamentales, as como analizar las
posibles dificultades y obstculos de los alumnos en el tema (Godino, Batanero y
Flores, 1999).

El problema de Monty Hall
En primer lugar analizamos un recurso (cuya pantalla principal se muestra en la
Figura 5.2.1) que simula el problema conocido como Problema de Monty Hall, y que
incluye tambin algunas actividades en relacin al juego.
Direccin en Internet: www.ugr.es/~jmcontreras/1
Figura 5.2.1. Pantalla principal del J uego 1

Descripcin
Este juego lo encontramos dentro de los Applets incluidos en el National Library
of Virtual Manipulatives (nlvm.usu.edu/) en relacin con los temas de tratamiento de
datos y probabilidad. Permite experimentar una de las versiones del Problema de Monty
Hall. Est inspirado en el concurso televisivo Let's Make a Deal (Hagamos un trato),
emitido entre 1963 y 1986 en la televisin americana y su nombre proviene del
presentador del concurso, Monty Hall. El concurso gener bastante polmica en
relacin a las posibles soluciones del problema matemtico latente y muestra las
intuiciones incorrectas en relacin a la probabilidad condicional. La formulacin ms
conocida de dicho problema proviene de una carta a la columna de Marilyn vos Savant
en Parade Magazine (Bohl, Liberatore, y Nydick, 1995) y que reproducimos a
continuacin.

Anlisis de recursos para la formacin de profesores

275
Supn que ests en un concurso, y se te ofrece escoger entre tres puertas: Detrs de una de ellas hay un
coche, y detrs de las otras, cabras. Escoges una puerta, digamos la n1, y el presentador, que sabe lo
que hay detrs de las puertas, abre otra, digamos la n3, que contiene una cabra. Entonces te pregunta:
"No prefieres escoger la n2?". Es mejor para ti cambiar tu eleccin?

El problema original fue planteado por Selvin (1975), quien hace la primera
mencin del trmino problema de Monty Hall. Un problema anlogo denominado
problema de los tres prisioneros, fue publicado por Gardner (1959a), aunque su
versin hace el proceso de eleccin explcito, evitando las suposiciones de la versin
original. En lo que sigue, primero analizamos las posibles soluciones correctas al
problema de bsqueda de la mejor estrategia en el juego y, a continuacin, realizamos
los dos tipos de anlisis indicados.

Solucin matemtica del juego
Cuando se trabaja con el problema de Monty Hall en un curso de probabilidad,
podemos hacer a los estudiantes alguna pregunta del tipo: Debe el concursante
mantener su eleccin original o escoger la otra puerta? Hay alguna diferencia entre
cambiar o no? Les pediremos adems que justifiquen su decisin.
Para simplificar el problema, asumimos que solamente hay dos tipos de jugador,
los que nunca cambian de puerta y los que cambian siempre. La pregunta se limita a ver
qu tipo de jugador tiene la mayor probabilidad de ganar el coche. En caso de que los
estudiantes no logren dar la solucin o den una solucin errnea (lo cual es lo ms
frecuente), se puede dar la oportunidad de simular el juego usando el recurso (ver
Figura 5.2.2) y obtener datos experimentales que les ayuden a intuir (y posteriormente
demostrar) la solucin correcta.

Figura 5.2.2. Resultado de una simulacin



Captulo 5

276
Solucin intuitiva 1
La solucin correcta se basa en tres suposiciones bsicas: (a) Que el presentador
siempre abre una puerta; (b) que la escoge despus de que el concursante escoja la suya,
y (c) que tras ella siempre hay una cabra. Un diagrama en rbol (Figura 5.2.3) visualiza
las distintas posibilidades que podemos encontrarnos. Hay dos puertas sin premio y una
con premio; por tanto la posibilidad de elegir la puerta premiada es 1/3. Si elegida una
puerta no se cambia, slo hay 1/3 de posibilidades de ganar y 2/3 de perder. Si, por el
contrario, se cambia de puerta, la probabilidad de ganar ser la misma que elegir
inicialmente la puerta sin premio, es decir 2/3.

Figura 5.2.3. Espacio muestral cuando no se cambia de puerta

Solucin intuitiva 2
Otro razonamiento es el siguiente: Consideramos, en primer lugar, el experimento
puerta que tiene el premio (cada puerta tiene una probabilidad de tener el premio de
1/3). A continuacin, consideramos la puerta que se elige (1/3 cada puerta). Estos dos
primeros experimentos son independientes. El tercer experimento es la puerta que abre
el locutor, que es dependiente de los anteriores, como se muestra en el diagrama en
rbol (Figura 5.2.4). Si cambiamos de puerta, las posibilidades de ganar son de 1/3,
sumando las probabilidades de todas las ramas del rbol. Sin embargo si cambiamos de
puerta tenemos una probabilidad de 2/3 porque:
Si escogemos una puerta con una cabra, entonces el presentador muestra la otra
cabra. Nosotros cambiamos (a la puerta que tiene el coche) y ganamos;
Si escogemos puerta con coche, entonces, el presentador muestra la otra cabra,
cambiamos (a la puerta con la segunda cabra) y perdemos.

Anlisis de recursos para la formacin de profesores

277
Figura 5.2.4. Espacio muestral en el experimento compuesto

Solucin experimental
El trabajo de los alumnos con el Applet, experimentando con el juego y
reflexionando sobre los resultados, proporciona una experiencia intuitiva sobre los
resultados que se obtienen en este juego con cada una de las dos estrategias (cambiar o
no cambiar de puerta). Partiendo de la evidencia de estos resultados (claramente se
observa experimentalmente que las posibilidades de ganar el juego son el doble al
cambiar la puerta), el alumno ve sus intuiciones contradichas. Es decir, se produce un
conflicto cognitivo y al tratar de resolverlo, eventualmente puede llegar a uno de los
razonamientos intuitivos mostrados anteriormente. En el transcurso de la
experimentacin con el Applet, debemos elegir una de las tres puertas al azar (este es el
primer experimento aleatorio). La experiencia con el juego muestra al alumno la
siguiente secuencia:
Una vez hemos elegido una de las puertas, el programa nos abre una puerta donde
no hay dicho premio.
A continuacin, el programa nos da la opcin de quedarnos con la puerta elegida o
cambiar a la que queda sin descubrir.

Cuando realizamos el juego, el Applet nos proporciona una tabla similar a la
Tabla 5.2.1. A partir de los resultados proporcionados en esta tabla podemos comparar
la frecuencia relativa de ganar en cada una de las dos estrategias e intuir qu estrategia
es mejor. Teniendo en cuenta que los resultados son aleatorios, deberamos realizar el
juego un nmero de veces considerable para que los resultados se ajusten a la solucin
del problema, pero el ordenador permite un gran nmero de simulaciones rpidamente.
Captulo 5

278
Tabla 5.2.1. Tabla de datos proporcionada por el Applet
% de ganar cuando no cambias (nmero de aciertos de las veces que no cambiamos).
% de ganar cuando cambias (nmero de aciertos de las veces que cambiamos).

En conclusin, el Applet nos proporciona una solucin experimental de cul es la
estrategia ganadora. Pero no nos explica la razn de por qu una estrategia es preferible
a la otra. Ser necesario que el profesor trate de reconducir al estudiante a una de las
soluciones intuitivas 1 o 2, para que comprenda el comportamiento del juego.

Solucin formal 1
La solucin formal de este problema utiliza las propiedades de la probabilidad
condicionada, que es un objeto cuya definicin es sencilla de entender pero difcil de
aplicar. Para llegar a la solucin definimos los siguientes sucesos:
A: El jugador selecciona la puerta que contiene el coche en su seleccin inicial.
B: El jugador selecciona una puerta que contiene una cabra en su seleccin inicial.
G: El jugador gana el coche.

Para calcular P(G), basta con notar que G=(G A) U (G B), ya que A B =
y A U B = . Esto equivale a decir que {A, B} es una particin de , siendo el
espacio muestral del experimento; por tanto, aplicando el axioma de la unin de
probabilidades:
P(G)=P((G A) U (G B)) = P(G A) + P(G B) = P(G/A)P(A) + P(G/B)P(B)
En cualquier caso, dado que no tenemos ninguna razn para pensar lo contrario,
podemos aplicar el principio de indiferencia, suponiendo que las puertas son
indistinguibles y diremos que P(A)=1/3 y P(B)=2/3 pues hay un coche y dos cabras.
Para ello, aplicamos simplemente la regla de Laplace. Ahora debemos definir qu tipo
de jugador estamos estudiando:
Jugador que nunca se cambia: En este caso P(G/A)=1 y P(G/B)=0 pues el jugador
se queda con su seleccin inicial. Por lo tanto P(G)=1/3.
Jugador que siempre se cambia: En este caso P(G/A)=0 y P(G/B)=1 pues el
jugador se cambia a la nica puerta cerrada que queda (y sabemos que como el
presentador sabe dnde est el coche, siempre mostrar una cabra). Por lo tanto
P(G)=2/3.
Anlisis de recursos para la formacin de profesores

279
En resumen, si mantiene su eleccin original gana si escogi originalmente el
coche (con probabilidad de 1/3), mientras que si cambia, gana si escogi originalmente
una de las dos cabras (con probabilidad de 2/3). Por lo tanto, el concursante debe
cambiar su eleccin si quiere maximizar la probabilidad de ganar el coche.

Solucin formal 2
Sea : (, P){1,2,3} la variable aleatoria que asigna un nmero de puerta
(aquella detrs de la cual se encuentra el coche). Esta variable aleatoria tiene
distribucin discreta uniforme (es decir todos los valores son equiprobables) y son
estocsticamente independientes. Sea : (, P){} la variable aleatoria nmero de
la puerta que abre el moderador y que depender de las anteriores.
Si = (el concursante elige el coche), entonces hay dos posibles valores con
probabilidad 1/2 (los nmeros de las dos puertas no elegidas por el
concursante).
En caso contrario, slo hay un valor, con probabilidad 1 (el nmero de la
puerta sin coche). La probabilidad que el candidato se lleve el coche bajo el
supuesto que l no cambia de puerta es entonces P(=)=1/3. La
probabilidad que el candidato se lleve el coche bajo el supuesto que l
cambia de puerta es entonces P()=2/3.

Objetos matemticos puestos en juego
Al resolver matemticamente el juego mediante alguna de las soluciones
anteriores se utilizan implcitamente los objetos matemticos que se muestran en la
Tabla 5.2.2. Observamos que, dependiendo de la solucin, se pueden usar una
configuracin diferente de objetos matemticos, siendo ms complejas las soluciones
formales, especialmente la segunda que involucra la idea de variable aleatoria. Por
tanto, el recurso que hemos construido en s mismo no determina el trabajo matemtico
que se hace, sino que ste viene determinado por el tipo de solucin obtenida. Ello hace
que con este Applet se pueda trabajar a diversos niveles de profundidad, dependiendo
del tipo de estudiante.


Captulo 5

280
Tabla 5.2.2. Configuraciones epistmicas en las soluciones correctas
Tipo Objetos matemticos Significado en la situacin Int.
1
Int.
2
Exp. Form.
1
Form.
2
Problema
- Eleccin de la puerta - Determinar la mejor
estrategia
X X X X X
Lenguajes
- Verbal - Explicacin de la situacin X X X X X
- Grfico - Diagrama en rbol
- Representacin icnica del
juego
X X
- Simblico - Expresar sucesos,
probabilidades
X X
- Numrico: Porcentajes - Probabilidades en porcentaje X
- Numrico: Frecuencias - Resultados del experimento X
- Icnico - Iconos que representan los
sucesos y resultados
X
Conceptos
- Experimento aleatorio - Elegir una puerta
- Puerta que abre el locutor
- Ganar el premio
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
- Sucesos; espacio
muestral
- Puertas 1, 2, 3
- Ganar/no ganar
X
X
X
X
X
X
X
X
X
X
- Experimento compuesto - Composicin de los
experimentos anteriores
X X X X X
- Sucesos en el
experimento compuesto
- Producto cartesiano de los
espacios muestrales
anteriores
X X X X X
- Frecuencia relativa - xitos / nmero
experimentos
X
- Convergencia - Tendencia de la frecuencia a
un valor fijo
X
- Interseccin de sucesos - Conjunto comn de sucesos. X
- Unin de sucesos - Sucesos en uno u otro
conjunto
X
- Suceso imposible - Interseccin de un suceso y
su complementario
X
- Probabilidad clsica - Proporcin de casos
favorables a posibles.
X X X X
- Prob. frecuencial - Lmite de la frecuencia X
- Axiomas probabilidad - Explicitacin de los axiomas X X
- Probabilidad
condicional
- Proporcin de ocurrencia
suceso respecto a otro
X X X X X
- Regla de la suma - Probabilidad de ganar X X X X
- Regla del producto - Probabilidad conjunta;
dependencia
X
- Variable aleatoria - Nmero de puerta con
premio
- Nmero de puerta elegida
X
- Igualdad de v. aleatorias - Coincidencia de valores;
acierto
X
- Distribucin de
probabilidad
- Conjunto de valores con sus
probabilidades
X
- Distribucin discreta
uniforme
- Conjunto finito de valores
equiprobables
X
- Variables aleatorias
independientes
- La distribucin de una no
depende de la de la otra
X
Procedimientos
- Clculo probabilstico
intuitivo
- Aplicar reglas intuitivas
X X
Anlisis de recursos para la formacin de profesores

281
- Clculo probabilstico
formal
- Aplicar reglas de clculo
formal
X X
- Clculo de probabilidad
frecuencial
- Estimar la probabilidad
mediante la frecuencia
X
- Representacin grfica - Diagrama; esquema X X
Propiedades
- Diferencia probabilidad
condicionada y simple
- Restriccin del espacio
muestral
X X X X
- La frecuencia converge
a la probabilidad
- Ley emprica de los grandes
nmeros
X
- Teorema Prob. total - Aplicar a la situacin X
- Axioma de unin - La probabilidad de la suma
es suma de probabilidades
X X X X
Argumentos
- Razonamiento
deductivo
- Demostracin de la solucin
X X X X
- Razonamiento emprico - Comparar aciertos con
distintas estrategias
X

Dificultades posibles de los estudiantes
Aunque el problema es aparentemente simple, su complejidad se muestra en el
anlisis realizado de los objetos matemticos y de los procesos que se analizarn en la
seccin 5.2.5. Tambin en la literatura relacionada con este problema se han descrito
varias soluciones errneas que comentamos a continuacin. Estas soluciones pueden ser
debidas a errores en el proceso de representacin-interpretacin (conflictos semiticos)
o bien a la atribucin de propiedades que no tienen a ciertos objetos o situaciones, como
vemos en los casos que siguen.

Razonamiento errneo 1. Percepcin de la independencia
Un primer problema se produce porque no se percibe la dependencia de los
sucesivos experimentos (elegir una puerta inicialmente) y (puerta que abre el locutor).
Es decir, o bien no se visualiza la estructura del experimento compuesto o se suponen
los sucesivos experimentos como independientes, atribuyendo una propiedad
(independencia) que no tienen los experimentos. Pensamos que esto se produce debido a
un conflicto semitico, pues no se ha interpretado correctamente la descripcin verbal
del experimento (ha habido un fallo de interpretacin de esta descripcin verbal, que no
es ms que la representacin del experimento real).
A primera vista parece obvio que da igual cambiar de puerta o no, pues no se
visualiza la forma en que la informacin proporcionada por el locutor afecta a la
probabilidad inicial de obtener un premio que, sin esta informacin, es 1/3. De nuevo
hay un fallo en percibir una propiedad: Se puede condicionar un suceso por otro que
aparece antes o despus de l y este condicionamiento puede cambiar la probabilidad
Captulo 5

282
inicial del suceso. Este error de razonamiento es explicado por Falk (1986), mediante la
falacia del eje temporal que consiste en que las personas creen errneamente que una
informacin actual (la puerta mostrada por el locutor) no puede afectar a un suceso que
ocurri con anterioridad a la misma (en qu puerta estaba el premio). Esta falacia, que
apareci en el Estudio 2, puede estar causada, en parte, por la confusin entre
condicionamiento y causalidad (conflicto semitico producido al confundir entre s dos
conceptos diferentes).
Desde el punto de vista de la probabilidad, si un suceso A es la causa estricta de
un suceso B, siempre que suceda A, suceder B, por lo que P(B/A)=1, es decir, si un
suceso A es causa de otro suceso B, entonces A es dependiente de B. Pero el contrario no
siempre se cumple segn Falk (1986): Un suceso A puede ser dependiente de otro
suceso B sin que uno sea la causa del otro. Por ejemplo, se sabe que el cncer de pulmn
depende del hbito de fumar; pero fumar en s mismo no es siempre la causa del cncer.

Razonamiento errneo 2. Incorrecta percepcin del espacio muestral
Otra posibilidad de error en este problema es una incorrecta enumeracin del
espacio muestral en uno o varios de los experimentos que intervienen. Habra un fallo
en pasar de la idea de espacio muestral (intensivo) al espacio muestral concreto
(extensivo) o lo que es lo mismo, fallo en la particularizacin del espacio muestral en
este experimento. La intuicin nos dice que, una vez elegida la puerta, y quitando la
puerta que abre el locutor, que nunca tiene premio, slo quedan dos posibilidades
equiprobables. Por tanto, la puerta que nosotros escogimos tiene un 50 % de tener una
cabra y por tanto da igual cambiar qu no hacerlo. En este razonamiento se est
realizando una incorrecta enumeracin del espacio muestral al calcular la probabilidad
condicionada, otro sesgo descrito por Gras y Totohasina (1995) y que apareci en
algunos futuros profesores en el Estudio 2. El problema radica en que no consideramos
la informacin disponible de que el presentador conoce donde est el premio. Ya que
el presentador abre la puerta despus de la eleccin de jugador, el espacio muestral en el
segundo experimento depende del resultado del primero:
Si el jugador escoge en su primera opcin la puerta que contiene el coche (con una
probabilidad de 1/3), entonces el presentador puede abrir cualquiera de las dos
puertas restantes. El espacio muestral tiene dos posibilidades con probabilidad 1/2
Adems, el jugador pierde el coche si cambia cuando se le ofrece la oportunidad.
Anlisis de recursos para la formacin de profesores

283
Pero, si el jugador escoge una cabra en su primera opcin (con probabilidad 2/3), el
presentador slo tiene la opcin de abrir una puerta, y esta es la nica puerta restante
que contiene una cabra. En ese caso, el espacio muestral tiene un solo elemento, la
puerta restante tiene que contener el coche, por lo que cambiando lo gana.

Razonamiento errneo 3. Incorrecta asignacin inicial de probabilidades
Una variante de la anterior interpretacin incorrecta es la siguiente: Si el
presentador escoge de manera aleatoria entre las puertas que an no se han abierto,
entonces la probabilidad que el candidato se lleve el coche (en el caso de no cambiar de
puerta) es 1/2 pues el coche ha de estar en una de las puertas no abiertas. El problema
ahora es que la asignacin de probabilidades a las puertas que abre el locutor es
incorrecta. Este fallo se debe a incorrecta aplicacin de la regla de la suma de
probabilidades porque hay una errnea descomposicin-composicin de los sucesivos
espacios mustrales en los diferentes experimentos.
Esto sucede porque lo que muestra el presentador no afecta la eleccin original,
sino slo a las otras dos puertas no escogidas. Una vez se abre una puerta y se muestra
la cabra, esa puerta tiene una probabilidad nula de contener un coche, por lo que deja de
tenerse en cuenta. Si el conjunto de esta puerta ms la elegida tenan una probabilidad
de contener el coche de 2/3 en el experimento inicial (elegir la puerta), entonces, si una
tiene una de ellas (la abierta) tiene probabilidad de 0 en el segundo experimento (que la
puerta tenga el coche), la tercera puerta (no elegida ni abierta) debe tener una
probabilidad de 2/3. Es decir, la probabilidad de 2/3 se traspasa entera a la puerta no
escogida ni abierta por el locutor (en lugar de dividirse entre las dos puertas sin abrir),
porque en ningn caso puede el presentador abrir la puerta escogida inicialmente.

Razonamiento errneo 4. Interpretacin incorrecta de la convergencia
Podra originarse una reafirmacin en la creencia de que es indiferente cambiar o
no de puerta si, al experimentar con el Applet, el alumno obtiene (debido a la
aleatoriedad) un resultado parecido con las dos estrategias. Esta posibilidad es mayor
cuando el nmero de experimentos que se hagan con el Applet es pequeo, pues la
convergencia de las frecuencias relativas a la probabilidad se cumple a largo plazo, pero
no en pequeas series de ensayos. Si el alumno obtiene este resultado, podra llegar a
admitir que su suposicin inicial era correcta. Habra ac el peligro de que se reafirme
Captulo 5

284
en la creencia en la ley de los pequeos nmeros, que consiste en esperar
convergencia incluso en pequeas series de experimentos (Kahneman, Slovic y
Tversky, 1982). Errores relacionados con la heurstica de la representatividad
aparecieron en algunos futuros profesores en el Estudio 2.

Variantes y otros juegos
El juego de Monty Hall est basado en una paradoja clsica de la teora de las
probabilidades, que fue planteada por J oseph Bertrand (1822-1900), matemtico francs
cuyas principales reas de trabajo fueron la Teora de Nmeros, la Geometra
Diferencial y la Teora de las Probabilidades. En 1888 public el libro Calcul des
probabilitis, el cual, contiene numerosos ejemplos de problemas de probabilidades en
los cuales el resultado depende del mtodo de resolucin del problema, entre ellos el
siguiente problema original:

Tenemos tres cajas: una caja que contiene dos monedas de oro, una caja con dos monedas de plata, y
una caja con una de cada tipo. Despus de elegir una caja al azar se toma una moneda al azar, por
ejemplo una moneda de oro. Cul es la probabilidad de que la otra tambin sea de oro?
Puede parecer que la probabilidad de que vuelva a salir otra moneda de oro sea de
1/2, pero de hecho, la probabilidad es 2/3. Las soluciones correctas e incorrectas
descritas se aplican ahora a esta variante. Encontramos otra versin con cartas de
colores. El problema en este caso es el siguiente:

Supongamos que se tienen tres cartas: una carta de color negro en ambos lados, una carta blanca en
ambos lados y una carta mixta que es de color negro en un lado y blanca por el otro. Ponemos todas las
cartas en un sombrero, cogemos una al azar, y la colocamos sobre una mesa. El lado de la carta hacia
arriba es de color negro. Cules son las probabilidades de que el otro lado tambin sea negro?

El problema con las 100 puertas: Una versin algo ms elaborada es replantear el
problema con 100 puertas. Tras la eleccin original el presentador abre 98 de las
restantes para mostrar que tras de ellas hay cabras; el concursante si no cambiase su
eleccin ganara el coche slo si lo ha escogido originalmente (1 de cada 100 veces).
Pero si la cambia, ganara si no lo ha escogido originalmente (y por tanto es lo que resta
tras abrir las 98 puertas), 99 de cada 100 veces.
Anlisis de recursos para la formacin de profesores

285
Urna con fichas de dos colores (two colours). Esta actividad (Figura 3.3.5)
permite al usuario simular la extraccin bolas de color rojo y verde que se encuentran en
tres cajas. Las cajas estn predispuestas de manera que hay dos bolas rojas en una caja,
dos bolas de color verde en otra, y una verde y una bola roja en el tercero. El usuario
puede mezclar el orden de las cajas y el orden en el que se extraen las bolas de las cajas.
Para ejecutar el modo de prueba mltiple, introducimos el nmero de ensayos que
deseamos en el cuadro y hacemos clic en el botn de ejecutar mltiples ensayos. El
programa permite al usuario manipular el nmero de pruebas para experimentar con la
probabilidad condicional. Para calcular la probabilidad de que el evento se produzca,
debe tener en cuenta qu efecto tiene el primer evento en el segundo. En este Applet la
condicin es que la primera bola debe ser verde. En el podemos comparar el nmero de
veces que la primera bola sea verde y el nmero de veces que ambas son de color verde
para conocer la probabilidad condicional. En la Tabla 5.2.3 se presentan las variantes
encontradas.
Figura 5.2.5. Two colours

Tabla 5.2.3. Algunos juegos sobre probabilidad condicional
Nombre Direccin
Cartas web.educastur.princast.es/ies/iesreype/Departamentos/Mates/paradojas.htm
Las dos monedas www.betweenwaters.com/probab/coingame/coinmainD.html
Lets make a deal www.stat.sc.edu/~west/javahtml/LetsMakeaDeal.html
Monty Hall nlvm.usu.edu/en/nav/frames_asid_117_g_3_t_5.html?from=topic_t_5.html
Two colours www.shodor.org/interactivate/activities/twocolors/
100 puertas estadisticaparatodos.es/taller/montyhall/montyhall.html


5.2.4.2. EXPLORACIN DE CONCEPTOS

Incluimos en este apartado los recursos que pueden servir para visualizar algunos
de los objetos matemticos que se relacionan con la probabilidad condicional, o algunas
Captulo 5

286
de las propiedades o teoremas de los mismos. Permiten al estudiante variar diferentes
datos, tales como el nmero de sucesos o las probabilidades de los mismos y ver el
efecto de dicho cambio sobre otros sucesos y probabilidades. A continuacin
describimos algunos recursos en esta categora.

Exploracin de las operaciones con sucesos y sus probabilidades
En primer lugar analizamos un recurso (cuya pantalla principal se muestra en la
Figura 5.2.6 que permite explorar las operaciones entre dos sucesos.
Direccin en Internet: www.stat.tamu.edu/~west/applets/Venn1.html

Descripcin
El recurso muestra un diagrama de rectngulo con una particin del espacio
muestral en un suceso A y su contrario no A y otro suceso B y su contrario. Las
probabilidades de A y B y de sus contrarios estn fijadas, mientras que las de las
operaciones binarias con estos cuatro sucesos van a depender de su situacin relativa en
el espacio muestral. Pinchando con el ratn, se puede tambin colorear diferentes
sucesos, , , , , , , A B A B A B A B A B y A B . La posicin relativa de los sucesos A
y B se pueden modificar moviendo el cursor, visualizando las probabilidades ( ) P A B ,
( ), P A B ( ) P A B y ( ) P A B . Este programa calcula automticamente las
probabilidades condicionales ( / ) P B A y ( / ) P A B , aunque no muestra cmo se hace el
clculo sino tan slo el resultado.

Figura 5.2.6. Pantalla del Conditional ProbabilityApplet










Anlisis de recursos para la formacin de profesores

287
Un primer objetivo es que el alumno perciba el significado de la interseccin, la
unin, los sucesos complementarios y cmo cambian las probabilidades segn la
posicin relativa de los sucesos. Tambin permite observar la diferencia entre P(A/B) y
P(B/A), ya que muchos estudiantes confunden estas dos probabilidades o las consideran
iguales, segn Einhorn y Hogarth (1986). Falk (1986) denomina falacia de la
condicional transpuesta a este error. Otra posible aplicacin de este recurso sera
comprobar que independencia no es lo mismo que mutua exclusividad, confusin que
tienen algunos estudiantes segn Heitele (1975) y Kelly y Zwiers (1986). Moviendo los
sucesos A y B hasta que no tengan interseccin comn (es decir sean mutuamente
excluyentes) se observa claramente que tanto la probabilidad condicional ( / ) P A B
como la de la interseccin ( ) P A B son nulas, aunque el producto de las
probabilidades de los sucesos A y B no lo sea. Por tanto no se cumple la definicin de
independencia, aunque los sucesos sean excluyentes.
Tambin se puede trabajar el error denominado falacia de la conjuncin (Tversky
y Kahneman, 1982b) o creencia de que es ms probable la interseccin de dos sucesos
que la de uno de ellos por separado o la de su unin. Los estudiantes pueden
experimentar que la interseccin siempre tiene una probabilidad igual o menor que la de
cualquiera de los sucesos que la componen.

Anlisis matemtico del recurso
El recurso es bsicamente una visualizacin de las diferentes operaciones que se
pueden formar con dos sucesos, y sus respectivas probabilidades. A partir de los sucesos
, , A B A y B con ( ), ( ), ( ) P A P B P A y ( ) P B fijos, el Applet nos muestra directamente
las siguientes propiedades:
Probabilidad de la interseccin: ( ) ( ) ( ) ( ) P A B P A P B P A B = +
Probabilidad de la unin: ( ) ( ) ( ) ( ) P A B P A P B P A B = +
Probabilidad del complementario: ( ) 1 ( ) P A P A =
Leyes de Morgan: ( ) ( ) ( ) ( ) P A B P A B o P A B P A B = =
Clculo de la probabilidad condicional a partir de la interseccin
( )
( / )
( )
P A B
P A B
P B

= ;
( )
( / )
( )
P A B
P B A
P A

= .

Captulo 5

288
Objetos matemticos puestos en juego
A continuacin incluimos la tabla de anlisis de objetos matemticos y
significados implcitos en el recurso.

Tabla 5.2.4. Objetos matemticos implcitos en el recurso
Tipos Objetos matemticos en la
situacin
Significado en la situacin
Situaciones-
problemas
- Exploracin de
operaciones entre
sucesos y sus
probabilidades
- Experimentacin del cambio de probabilidades al
cambiar la posicin relativa de dos sucesos
Lenguajes
- Grfico: Visualizacin
mediante rectngulos
- Particin de un espacio muestral (A, no A; B, no B)
- Interseccin y unin de B con el suceso A
- El rea de rectngulo total sera la probabilidad 1
- A, B - Sucesos
- A and B, not A and B - Interseccin de sucesos e interseccin de
complementarios
- Not A, not B - Complementarios de los sucesos A y B
- A or B, Not A or B - Unin de los sucesos A y B
- A given B, B given A - Condicin; hay una incorreccin pues lo que se
condiciona es la probabilidad no los sucesos
- P(A), P(B), - Probabilidad de los sucesos
- P(Event) - Se refiere a las probabilidades de los sucesos listados en
la pantalla
- Verbal - Explicacin de la situacin
Conceptos
- Experimento aleatorio - Experimento abstracto, no se concreta
- Sucesos - Cuatro partes en el espacio muestral, se trata de sucesos
disjuntos dos a dos
- Espacio muestral - Conjunto de posibilidades
- Complementarios - El espacio muestral menos el suceso
- Unin - Suceso formado por el conjunto de todos los elementos
que forman parte de cada suceso por separado
- Interseccin - Suceso formado por el conjunto de todos los elementos
comunes a los todos los sucesos
- Particin - El rea de cada rectngulo y su complementario es igual
al del rectngulo mayor
- Probabilidad - Medida relativa del rea de cada parte respecto al total
- Probabilidad condicional
P(B/A)
- Medida relativa del rea de BA respecto a cada parte A
Procedimientos
- Cambio de posicin
relativa con el cursor
- Se modifica el rea de algunas regiones y su medida
relativa respecto al total
- Clculo de
probabilidades
condicionadas
- Se aplicara la frmula; automtico
- Comparacin de
probabilidades
- Representacin de las distintas probabilidades simples y
condicionadas; automtico; visualmente las puede
comparar el alumno
- Representacin grfica - Diagrama
Propiedades
- La probabilidad
condicional P(A/B)
puede ser diferente de la
probabilidad condicional
P(B/A)
- La medida relativa del rea de BA respecto a cada
parte A, puede ser diferente a la medida relativa del rea
de BA respecto a B
Anlisis de recursos para la formacin de profesores

289
- Independencia - Cuando dos sucesos son independientes se muestra que
la probabilidad condicional de B condicionado a A es
igual a la probabilidad de B
- Incompatibilidad - Cuando dos sucesos son incompatibles se muestra que la
probabilidad de B condicionado a A es igual a cero
Argumentos - Visualizaciones - Visualizacin de las distintos sucesos y su relacin

Dificultades posibles de los estudiantes
Una de las principales dificultades que pueden encontrar los estudiantes con este
recurso es la interpretacin del lenguaje del Applet. Por ejemplo, se puede interpretar
que la probabilidad slo depende de la posicin relativa de los sucesos, aunque en
realidad tambin dependera del tamao de los sucesos en relacin al espacio muestral.
Por otro lado, en la columna derecha slo aparece mencin aP(event), pero luego
en cada fila no vuelve a aparecer la notacin de probabilidad. La notacin coloquial
para los sucesos interseccin y la probabilidad condicional puede ocasionar errores.
Einhorn y Hogarth (1986) sugieren que los enunciados que usan la conjuncin y
pueden llevar a confundir la probabilidad conjunta y la probabilidad condicional,
confusin que apareci en algunos casos en los Estudios 1 y 2.

Variantes y otros recursos de exploracin
En la Figura 5.2.7 mostramos un recurso que puede servir para explorar la idea de
independencia. Los estudiantes deben imaginar una baraja de cartas que contienen
tarjetas de color rojo y negro y hacer predicciones sobre la ocurrencia de diferentes
sucesos. El porcentaje de tarjetas rojas puede ser modificado.

Figura 5.2.7. Card test Applet


Se trata de hacer concienciar a los estudiantes de que la probabilidad de cada
Captulo 5

290
suceso no vara en funcin de los resultados obtenidos. Se les debe alentar a jugar el
juego de varias maneras. En primer lugar, hacemos un ejercicio en el que la carta
adivinada es la roja. De esta manera se puede estimar la proporcin de tarjetas rojas
encubiertas. El mismo ejercicio puede ser realizado por adivinar el porcentaje de cartas
de color negro. Al final del ejercicio, los estudiantes deben ser animados a reflexionar
sobre la idea de independencia y sobre la existencia de sesgos tales como la falacia del
jugador. Tambin se puede hacer observar la estabilizacin de las frecuencias relativas a
la larga, pero hacer notar las fluctuaciones en las series cortas de ensayos.

Figura 5.2.8. Conditional probability Applet









El recurso de la Figura 5.2.8 consta de un cuadrado de seis por seis que representa
las 36 posibilidades a la hora de tirar 2 dados de seis caras y nos permite investigar
cmo se comportan las probabilidades condicionales. Hay 2 listas desplegables en la
parte superior de la pantalla. Podemos elegir una lista (blancas, azul, probabilidad de ser
blanca, probabilidad de ser azul, etc.) para ver los diferentes sucesos que se presentan en
el Applet y decidir cul es el suceso condicionante. Cuando se haya elegido el suceso de
cada lista, algunas de las celdas del cuadrado se colorearan de rojo o amarillo.

Tabla 5.2.5. Algunos recursos para visualizacin de la probabilidad condicional
Nombre Direccin
Condicional probability demo onlinestatbook.com/chapter5/conditional_demo.html
Conditional probability www.rfbarrow.btinternet.co.uk/htmasa2/Prob2.htm
Conditional probability and
independent events
www.cut-the-
knot.org/Curriculum/Probability/ConditionalProbability.shtml
Conditional Probability and
Multiplication Rule
www.spsu.edu/math/deng/m2260/stat/cond/cond.html
Conditional probability Applet www.stat.tamu.edu/~west/Applets/Venn1.html
Probability by Surprise www-stat.stanford.edu/~susan/surprise/

Anlisis de recursos para la formacin de profesores

291
Los cuadrados de color representan el nmero de combinaciones de los dados que
satisfagan la condicin B (la segunda condicin de la derecha de la lista desplegable).
De estas celdas de color, el rojo representa las combinaciones, que tambin cumplen la
primera condicin (A). Existen dos mtodos para calcular ( / ) P A B , uno de ellos implica
contar los cuadrados de colores, el otro utiliza una frmula. El Applet nos proporciona
mtodos para ver cmo se relacionan entre s. Si pulsamos "Reverse", se intercambian
las declaraciones A y B. Con lo que debemos detectar rpidamente que ( / ) P A B no es,
en general, igual a ( / ) P B A . En la Tabla 5.2.5 presentamos las direcciones de estos y
otros recursos de exploracin.

5.2.4.3. RECURSOS PARA RESOLVER PROBLEMAS

En este apartado analizamos algunos recursos que pueden ayudar al alumno en su
resolucin de problemas de probabilidad compuesta y condicionada. En el
Departamento de Ingeniera Matemtica, Universidad de Chile encontramos el recurso
mostrado en la Figura 3.5.1, dentro de un Curso de probabilidades y procesos
estocsticos.

Direccin en internet: www.dim.uchile.cl/~mkiwi/ma34a/libro/chapter4/Tree/Tree.html
Figura 5.2.9. Pantalla principal del recurso para construccin de diagramas en rbol


Descripcin
Segn Fischbein (1987), el diagrama en rbol facilita la resolucin de problemas
de probabilidad. Fischbein comparte con Bruner la hiptesis de que una estructura
matemtica puede manifestarse de una manera enactiva, icnica y simblica sin cambiar
sus caractersticas y de que el uso de mtodos adecuados de representacin facilita la
Captulo 5

292
resolucin de problemas de probabilidad. Entre las representaciones grficas, destaca el
diagrama de rbol, que son uno de los recursos ms tiles para visualizar tanto
situaciones de combinatoria como situaciones probabilsticas. En la terminologa de
Fischbein (1987) pertenecen a los "modelos esquemticos" y presenta importantes
caractersticas intuitivas. Ofrecen una representacin de la estructura de la situacin, lo
que contribuye a la inmediatez de la comprensin y a la bsqueda de la solucin del
problema. A pesar de esta importancia, Pesci (1994) demostr que algunos estudiantes
tenan dificultades para construir diagramas de rbol adecuados para representar
situaciones problemticas y, en ocasiones, el mismo grfico es la causa de muchos
errores. Estos errores tambin aparecieron en las investigaciones de Navarro-Pelayo
(1994) y Roa (2000) y, en algn caso, en el Estudio 2.
El recurso Bayes Tree est pensado para ensear esta tarea. La pantalla presenta
un diagrama de rbol con dos ramas, cada una con dos bifurcaciones, por lo cual puede
ser til para visualizar la solucin de problemas de Bayes en caso de slo dos sucesos
en la particin del espacio muestral. Presenta unas casillas donde se pueden introducir
las probabilidades a priori P(A) y las probabilidades condicionales P(C/A) y P(C/B).
Una vez introducidos los datos, se presiona el botn "go" y el programa calcula las
probabilidades conjuntas ( ) ( ) ( / ) P A C P A P C A = etc. Tambin incluye el rbol
inverso que permite calcular la probabilidad condicional inversa P(A/C), por lo cual, de
nuevo sirve para visualizar la diferencia entre estas dos probabilidades condicionales.

Anlisis matemtico del recurso
El recurso resume bsicamente el teorema de Bayes y las propiedades de la
probabilidad condicionada:
Teorema de Bayes:
( / ) ( ) ( / ) ( )
( / )
( )
( ) ( / )
i i i i
i
i i
i
P A B P B P A B P B
P B A
P A
P B P A B
= =


Clculo de la probabilidad condicional:
( )
( / )
( )
P A B
P A B
P B

=
Probabilidad de la interseccin: ( / ) ( ) ( ) P A B P B P A B = ( / ) ( ) ( ) P B A P A P A B =
Clculo de la probabilidad simple a partir de la interseccin y de la condicional
(variante)
( )
( )
( / )
P A B
P B
P A B

=
( )
( )
( / )
P A B
P A
P B A

= .
Anlisis de recursos para la formacin de profesores

293
Objetos matemticos puestos en juego
El anlisis de este recurso muestra los siguientes objetos matemticos implcitos:
Tabla 5.2.6. Objetos matemticos implcitos en el recurso
Tipos Objetos matemticos en la
situacin
Significado en la situacin
Situaciones-
problemas
- Exploracin del teorema
de Bayes
- Experimentacin de la descomposicin de los sucesos al
cambiar las probabilidades condicionadas y simples
Lenguajes
- Grfico: Visualizacin
mediante diagramas de
rbol
- Particin de un espacio muestral en el experimento
simple
- Particin de un espacio muestral en el experimento
compuesto
- Descomposicin de un experimento en probabilidades
condicionadas
- Posibles sucesos que originan un suceso dado
- a, b, c - Sucesos de la particin
- C|B, C|A - Condicionamiento de sucesos
- P(A), P(C|B), P(C|B) - Probabilidad simple y probabilidades condicionadas
iniciales
- Icnico - Iconos que representan los sucesos y resultados
Conceptos
- Experimento aleatorio - Experimento abstracto, no se concreta
- Sucesos
- Sucesos complementarios
- Cuatro sucesos en el espacio muestral
- Los sucesos a y b son complementarios
- Los sucesos c y d son complementarios
- Probabilidad simple - Probabilidad de cada elemento de forma independiente
- Probabilidad condicional - Probabilidad de los elementos compuestos que forman el
diagrama de rbol
- Interseccin de sucesos
- Probabilidad conjunta
- Conjunto comn de sucesos
- Probabilidad de la interseccin
Procedimientos
- Cambio de probabilidades
iniciales con el cursor
- Se modifica el diagrama de rbol y las respectivas
probabilidades simples y condicionadas
- Clculo de probabilidades
condicionadas
- Se aplicara la frmula; automtico
- Clculo de probabilidades
inversas
- Se aplicara la frmula; automtico
- Comparacin de
probabilidades
- Representacin de las distintas probabilidades simples y
condicionadas; automtico
- Representacin grfica - Diagrama de rbol; esquema
Propiedades
- La probabilidad
condicional P(A/B) puede
ser diferente de la
probabilidad condicional
P(B/A)
- Se observa numricamente
- Teorema probabilidad total - A partir de las distintas probabilidades representadas
podemos calcular la probabilidad total
- Teorema de Bayes - A partir de las distintas probabilidades representadas
podemos calcular la probabilidad condicional de
cualquier suceso condicionado a otro
- Independencia - Cuando dos sucesos son independientes se muestra que
la probabilidad condicional de un suceso condicionado a
otro es igual a la probabilidad del primero
- Incompatibilidad - Cuando dos sucesos son incompatibles se muestra que la
probabilidad condicional de un suceso condicionado a
otro es igual a cero
Argumentos
- Visualizaciones - Definicin visual de las distintos sucesos y de la relacin
entre ellos
Captulo 5

294
Dificultades posibles de los estudiantes
La posible complejidad radica en la falta de claridad del Applet, ya que no queda
claro qu probabilidad calcula a lo largo de cada rama, pues no se explicita mediante
notacin simblica. Los errores que pueden cometer los estudiantes a la hora de
interpretar el Applet van desde identificar a y b como dos sucesos que no tienen nada en
comn (siendo uno el complementario del otro) o creer que el Applet representa cuatro
sucesos distintos (siendo en realidad dos y sus complementarios). Otro problema que se
puede dar a la hora de interpretar el diagrama es que en ningn momento aparece el
significado de los valores que se calculan cuando se ingresan los resultados. Lo que
lleva que se confundan probabilidades simples, condicionales o conjuntas por ejemplo
P(c) con P(c/a).
Navarro-Pelayo (1994) indica que los estudiantes tienen dificultades para realizar
un diagrama en rbol completo y correcto, algo que puede venir ligado a una incorrecta
enumeracin de los sucesos. Hay una relacin entre el espacio muestral de un
experimento compuesto y las operaciones combinatorias. El inventario de todos los
posibles sucesos en dicho espacio muestral requiere un proceso de construccin
combinatorio, a partir de los sucesos elementales en los experimentos simples.

Variantes
En la Figura 5.2.10 se incluye otro recurso que se presenta conjuntamente el
diagrama en rbol y la tabla de doble entrada correspondiente. Escribimos los nmeros
en el interior de la tabla. Como se ve, el marginal de fila y columna de los totales se
actualizan continuamente. Hacemos clic en el botn calcular y aparecern las
probabilidades en su lugar dentro del diagrama de rbol.
Se han encontrado otros ejemplos, tales como la Figura 5.2.11 que crea
automticamente diagramas en rbol que pueden ayudar a la interpretacin de cmo se
distribuyen los sucesos. Otros ejemplos los reproducimos en la Tabla 5.2.7.

Tabla 5.2.7. Algunas variantes del Bayes Tree
Nombre Direccin
Building probability trees www-stat.stanford.edu/~susan/surprise/ProbabilityTree.html
Libro de Probabilidades
Universidad de Chile
www.dim.uchile.cl/~mkiwi/ma34a/libro/chapter4/Tree/Tree.html
Tree Diagram Applet http://www.stat.tamu.edu/~west/applets/tree.html
Probability trees www.geocadabra.nl/geocadabra_english_probabilitytree.htm

Anlisis de recursos para la formacin de profesores

295
Figura 5.2.10 Tree Diagram Applet Figura 5.2.11. Building a probability tree


5.2.4.4. LECCIONES O LIBROS DE TEXTO

Son muchos los profesores o investigadores que ponen libros de texto en Internet,
entre ellos, textos de estadstica que contienen una leccin sobre la probabilidad
condicionada. La variedad de libros de texto es muy grande, desde simples trabajos en
formato pdf, que no se diferencian de un libro tradicional, hasta pginas de Internet que,
adems de definiciones o explicaciones, tienen recursos interactivos, calculadoras,
ejemplos, tablas o juegos. Analizamos a continuacin uno de ellos.
Direccin en Internet: yudkowsky.net/rational/bayes

Descripcin
En la web de Eliezer Yudkowsky (Figura 5.2.12), podemos encontrar An
Intuitive Explanation of Bayes Theorem, un tratado sobre el teorema de Bayes dentro
del contexto cientfico mdico (con ejemplos aplicados al cncer de mama), donde se
explica en qu consiste la probabilidad condicional, el teorema de Bayes y las
diferencias entre el razonamiento estadstico tradicional y el bayesiano. Un aspecto
importante es el de las tablas 2x2 que aparecen en la mayora de los ejemplos. Con ellas
podemos comprobar todas las propiedades de la probabilidad condicionada tales como
la interseccin, teorema de Bayes, etc.
El autor plantea cuestiones mdicas tales como: El 1% de las mujeres a la edad
de cuarenta aos que participan en una mamografa tienen cncer de mama. El 80% de
las mujeres con cncer de mama positivo dan positiva en una mamografa. El 9,6% de
las mujeres sin cncer de mama tambin tendr positivas mamografas. Una mujer en
Captulo 5

296
este grupo de edad dio positiva la mamografa. Cul es la probabilidad de que ella
tenga realmente el cncer de mama?. Proporciona recursos para realizar o visualizar el
clculo y variar los datos, donde se pueden observar elementos correspondientes a la
probabilidad condicionada y a las relaciones que se dan entre las probabilidades.

Figura 5.2.12. An Intuitive Explanation of Bayes Theorem


El autor tambin destaca los distintos errores que se pueden dar en este tipo de
problemas, tanto a nivel de estudiantes como a nivel profesional, indicando, por ejemplo
que slo alrededor del 15% de los mdicos son capaces de hacer el problema de
manera correcta. Adems podemos encontrar calculadores para ayudarnos a
comprobar cmo funcionan este tipo de problemas y explicaciones de cmo
descomponer el problema de manera que la resolucin de este sea lo ms fcil posible.

Figura 5.2.13. Dos recursos de visualizacin en la leccin


Otro aspecto importante que podemos observar es la descripcin de los distintos
errores que se pueden dar en este tipo de problemas, tanto a nivel estudiantes como a
nivel profesional, tales como slo alrededor del 15% de los mdicos son capaces de
resolver el problema de manera correcta. Adems podemos encontrar calculadores
para ayudarnos a comprobar cmo funcionan estos problemas y explicaciones de cmo
descomponer el problema de manera que la resolucin de este sea lo ms fcil posible.
Tambin se introducen recursos de visualizacin (Ver ejemplos en la Figura 5.2.13).
Anlisis de recursos para la formacin de profesores

297
Anlisis matemtico del recurso
El recurso resume el teorema de Bayes y el funcionamiento de la Estadstica
Bayesiana, sobre todo aplicadas a tablas 2x2. A partir de los sucesos A y
i
B con ( ) P A
y ( )
i
P B , el autor nos muestra cmo funcionan las diferentes propiedades de la
probabilidad condicionada, aplicando estas propiedades a ejemplos mdicos, sobretodo
sobre cncer.

Objetos matemticos puestos en juego
A continuacin incluimos la tabla de anlisis de objetos matemticos y
significados implcitos en el recurso. Ntese que la notacin para el suceso interseccin
es incorrecta y no hay una notacin especfica para la probabilidad condicional.

Tabla 5.2.8. Objetos matemticos implcitos en el recurso
Tipos Objetos matemticos en la
situacin
Significado en la situacin
Situaciones-
problemas
- Exploracin del teorema de
Bayes
- Experimentacin del cambio de probabilidades
inversas al cambiar los datos
Lenguajes
- A, B, x - Sucesos de la particin
- A y B - Interseccin de sucesos
- A |B, B |A, A|x, x|A - Condicin
- P(A), P(B), - Probabilidad de los sucesos
- Icnico - Iconos que representan los sucesos y resultados
- Verbal - Explicacin de la situacin
Conceptos
- Experimento aleatorio - Experimento abstracto, no se concreta
- Sucesos - Cuatro partes en el espacio muestral, se trata de
sucesos disjuntos
- Tablas 2x2 - Situacin espacial de los sucesos
- Complementarios - El total menos el suceso
- Unin - Suceso formado por el conjunto de todos los elementos
que forman parte de cada suceso por separado
- Interseccin - Suceso formado por el conjunto de todos los elementos
comunes a los todos los sucesos
- Particin - El rea de los cuatro rectngulos es igual al del
rectngulo mayor
- Probabilidad - Medida relativa de cada parte respecto al total
- Probabilidad condicional - Medida relativa de BA respecto a cada parte A o de B
- Interseccin de sucesos - Conjunto comn de sucesos
- Clculo de probabilidades
condicionadas
- Se aplicara la frmula en los calculadores
- Clculo de probabilidades
simples
- Se aplicara la frmula en los calculadores
- Comparacin de
probabilidades
- Representacin de las distintas probabilidades simples
y condicionadas
Propiedades
- La probabilidad condicional
P(A/B) puede ser diferente
de la probabilidad
condicional P(B/A)
- La medida relativa del rea de BA respecto a cada
parte A puede ser diferente a la medida relativa del
rea de BA respecto a B
Captulo 5

298
- Teorema probabilidad total - A partir de las distintas probabilidades representadas
podemos calcular la probabilidad total
- Teorema de Bayes - A partir de las distintas probabilidades representadas
podemos calcular la probabilidad condicional de
cualquier A condicionado a B
- Independencia - Cuando dos sucesos son independientes se muestra que
la probabilidad condicional de B condicionado aA es
igual a la probabilidad de B
- Incompatibilidad - Cuando dos sucesos son incompatibles se muestra que
la probabilidad condicional de B condicionado a A es
igual a cero
Argumentos
- Visualizaciones - Definicin visual de las distintos sucesos y de la
relacin entre ellos

Dificultades posibles de los estudiantes
Una de las principales dificultades que pueden encontrar los estudiantes es que la
notacin y las definiciones son poco explicitas y, a veces, la forma en la que el autor se
expresa es informal. Aparte de ello, el autor intenta explicar el comportamiento del
teorema de Bayes sin dar nociones bsicas de la probabilidad, sus propiedades y sus
definiciones. Aunque posiblemente el recurso es til para mdicos y otros profesionales
de ciencias de la salud, quienes han de usar el teorema de Bayes en el diagnstico,
puede que los estudiantes no transfieran lo aprendido a otras situaciones de uso del
teorema de Bayes. Tambin podran presentarse algunas de las dificultades ya descritas
en relacin a los recursos anteriores y que aparecieron en el Estudio 2.

Otros ejemplos
En la Figura 5.2.14 mostramos una unidad de introduccin a la probabilidad
condicionada, el teorema de la probabilidad total y el teorema de Bayes, obtenida de la
pgina Descartes del Ministerio de Educacin. En ella se supone el conocimiento de los
conceptos elementales de la teora de la probabilidad (suceso, operaciones con sucesos,
etc.). La unidad tiene tambin una prctica para recordar las propiedades de la
probabilidad y la relacin con la unin e interseccin de sucesos.
El recurso de la Figura 5.2.15 es una leccin basada en varios problemas de
probabilidad condicional, en particular el trabajo con experimentos compuestos. Incluye
situaciones que a muchas personas les resulta difcil de comprender ya que sus
resultados experimentales pueden parecer contrarios a la intuicin, con lo los podemos
definir como paradjicos. Esta leccin pretende conducir a consideraciones ms
profundas sobre las relaciones matemticas y a la adquisicin de herramientas para la
resolucin de problemas relacionados con probabilidad condicional y probabilidad de
Anlisis de recursos para la formacin de profesores

299
eventos simultneos. Al terminar esta leccin, se intenta que los estudiantes hayan
aprendido la frmula para la probabilidad de eventos simultneos independientes. Se
han encontrado otros ejemplos, que reproducimos en la Tabla 5.2.9.

Figura 5.2.14. Probabilidad Condicional Figura 5.2.15. Probabilidad condicional y
probabilidad de eventos simultneos



Tabla 5.2.9. Algunos textos sobre probabilidad condicional en Internet
Nombre Direccin
An Intuitive Explanation of Bayes'
Theorem
yudkowsky.net/rational/bayes
Conditional Probability; Definitions
and Interpretations
www.math.uah.edu/stat/prob/Conditional.xhtml
Contingency Tables onlinestatbook.com/stat_sim/contingency/index.html
Probabilidad condicional y ejemplos www.hrc.es/bioest/Probabilidad_15.html
Probabilidad condicional y
probabilidad de eventos simultneos
www.eduteka.org/MI/master/interactivate/lessons/pm4.html
Statmedia www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Statmedia.htm
The Beginnings of Probability... mathforum.org/isaac/problems/prob1.html
Probability of Simultaneous Events
Discussion
www.shodor.org/interactivate/discussions/ProbabilityOfSimulta/
Base Rates onlinestatbook.com/chapter5/base_rates.html
The Probability of Penalizing the
Innocent Due to Bad Test Results
www.intuitor.com/statistics/BadTestResults.html
J ava Applets: Bayes www.dim.uchile.cl/~mkiwi/ma34a/libro/chapter4/Bayes/Bayes.html
Conditional probability module http://www.dim.uchile.cl/~mkiwi/ma34a/
Conditional Probability www.cut-the-knot.org/Probability/ConditionalProbability.shtml
Conditional Probability www.math.uah.edu/stat/prob/Conditional.xhtml
Conditional Probability and
Independence
people.hofstra.edu/Stefan_Waner/tutorialsf3/unit6_5A.html
Conditional Probability www.mathgoodies.com/lessons/vol6/conditional.html
Conditional Probability Investigation www.saskschools.ca/curr_content/mathb30/prob/les5/invest3.htm

5.2.4.5. CALCULADORES

Algunos recursos son simplemente una ayuda en los clculos. Entre ellos
encontramos el Calculador de Bayes, que calcula la probabilidad condicionada
utilizando el teorema de Bayes (Figura 5.2.16).
Captulo 5

300
Figura 5.2.16. Calculador de Bayes







El Applet consiste en un simulador de probabilidad condicionada a partir de un
ejemplo sobre una empresa. Se desea recompensar los buenos empleados con gran
capacidad para el trabajo, con unos bonos. Qu probabilidades hay de premiar a los
buenos y no a los malos? A la izquierda, se introduce la posibilidad de "xito" para cada
tipo de empleado. Por ejemplo, el 80% en el primer cuadro significa que 20 veces de
cada 100, una no gran capacidad para trabajo no es reconocida, o el 25% significa que
25 de cada 100 personas trabajan duro.

Anlisis matemtico del recurso
El recurso resume el teorema de Bayes a partir de un calculador que simula un
ejemplo concreto sobre una empresa. A partir de dos sucesos, el Applet nos muestra los
resultados del teorema de Bayes. Para ello utiliza los siguientes elementos y
propiedades matemticas:
Probabilidad inicial, verosimilitud, probabilidad final;
Teorema de Bayes:
( / ) ( ) ( / ) ( )
( / )
( )
( ) ( / )
i i i i
i
i i
i
P A B P B P A B P B
P B A
P A
P B P A B
= =

.
Objetos matemticos puestos en juego
A continuacin incluimos la tabla de anlisis de objetos matemticos y
significados implcitos en el recurso. Ntese que la notacin para los sucesos es
incorrecta y no hay una notacin para la probabilidad condicional.





Anlisis de recursos para la formacin de profesores

301
Tabla 5.2.10. Objetos matemticos implcitos en el recurso
Tipos Objetos matemticos en la situacin Significado en la situacin
Situaciones
problemas
- Exploracin del teorema de Bayes - Calcular la probabilidad condicionada a partir de
sucesos simples
Lenguajes
- Buen empleado, mal empleado,
proporcin de buenos empleados
- Sucesos
- Icnico - Iconos que representan los sucesos y resultados
- Verbal - Explicacin de la situacin
- Sucesos - Conjunto del espacio muestral
- Complementarios - El total menos el suceso
- Interseccin - Suceso formado por el conjunto de todos los
elementos comunes a los todos los sucesos
- Probabilidad - Medida relativa de cada parte respecto al total
- Probabilidad condicional - Medida relativa de BA respecto a cada parte A o
de B
- Clculo de probabilidades
condicionadas
- Se aplicara la frmula en los calculadores
- Clculo de probabilidades simples - Se aplicara la frmula en los calculadores
- Comparacin de probabilidades - Representacin de las distintas probabilidades
simples y condicionadas
Propiedades
- La probabilidad condicional P(A/B)
puede ser diferente de la
probabilidad condicional P(B/A)
- La medida relativa del rea de BA respecto a
cada parte A puede ser diferente a la medida
relativa del rea de BA respecto aB
- Teorema probabilidad total - A partir de las distintas probabilidades
representadas podemos calcular la probabilidad
total
- Teorema de Bayes - A partir de las distintas probabilidades
representadas podemos calcular la probabilidad
condicional
Argumentos
- Visualizaciones - Definicin visual de las distintos sucesos y de la
relacin entre ellos

Dificultades posibles de los estudiantes
Una de las principales dificultades que pueden encontrar los estudiantes es la
notacin, ya que en el ejemplo las definiciones de los sucesos son poco explicitas.
Adems, el Applet intenta explicar el comportamiento del teorema de Bayes sin dar
nociones bsicas ninguna del comportamiento de la probabilidad condicionada.

Otros ejemplos
En la Figura 5.2.17 mostramos un calculador aplicado al juego de dados y a la
probabilidad condicional. Se selecciona dos sucesos de entre todos los posibles que
podran ocurrir al tirar un par de dados y que se despliegan en el men al seleccionar el
color de cada dado. En los sucesos del espacio producto se pueden seleccionar los
distintos sucesos del experimento, como puede ser que el color blanco sea 4 y la suma
es 7. Podemos ver que hay 11 pares de valores con el elemento 4 y para las que 2 dan
como suma 7. Por lo tanto, la probabilidad de que la suma 7, dado que aparece un 4, es
Captulo 5

302
2 /11. A partir de ejemplos de este tipo podemos comprobar cul es el funcionamiento y
la relacin de los sucesos en la probabilidad condicionada.
En el recurso de la Figura 5.2.17 encontramos un calculador de probabilidad
simple y condicionada aplicado a un ejemplo en el que se supone que el espacio
muestral muestra la poblacin de adultos en una pequea ciudad que hayan cumplido
los requisitos para un ttulo universitario. Se clasifican los datos segn el sexo y el tipo
de empleo. Eligiendo una persona que se elegirn al azar podemos encontrar P(E), P(M)
y P(M/E).
Se han encontrado otros ejemplos, que reproducimos en la Tabla 5.2.11.

Figura 5.2.16. Probabilidad Condicionada Figura 5.2.17. Conditional Probability and
Multiplication Rule



Tabla 5.2.11. Algunos calculadores sobre probabilidad condicional en Internet
Nombre Direccin
Probability Calculator: Solve Basic
Probability Problems
stattrek.com/Tools/ProbabilityCalculator.aspx
Bayes' Rule Calculator stattrek.com/Tools/BayesRuleCalculator.aspx
Bayes Demonstration Applet www.stat.sc.edu/~west/applets/bayesdemo.html
Basic Probability Calculator www.easycalculation.com/statistics/probability.php
Bayes Rule Applet: Who to Reward? www.gametheory.net/Mike/Applets/Bayes/WhoReward.html

5.2.5. PROCESOS MATEMTICOS

De acuerdo a Godino, Font y Wilhelmi (2008), un segundo tipo de anlisis es el de
los procesos matemticos y conflictos semiticos. En toda prctica interviene un sujeto
(en nuestro caso los posibles alumnos que resuelven el problema). Este nivel de anlisis
se centra en los procesos que, efectivamente, intervienen en la realizacin de las
prcticas previstas y los conflictos de los estudiantes.
Anlisis de recursos para la formacin de profesores

303
Adems de los objetos matemticos ya descritos, los autores consideran procesos
de materializacin idealizacin, particularizacin generalizacin, descomposicin
reificacin, representacin significacin, personalizacin institucionalizacin. La
finalidad es describir la complejidad de las prcticas matemticas como factor
explicativo de los conflictos semiticos que se podran producir en su realizacin. En
nuestro caso, puesto que el anlisis de los recursos se hace a priori, el estudio tendr un
carcter hipottico.
Podemos observar los siguientes procesos de materializacin-idealizacin (es
decir pasar de algo que se percibe a algo que no se percibe):
Los objetos grficos de los Applet (puertas o premio en el problema de Monty Hall,
rectngulos en el Applet de visualizacin) e incluso las acciones que realizamos con
l (pinchar en una puerta; mover un rectngulo) son objetos visibles u ostensivos,
pero representan a otros objetos u acciones que son imaginarios (puerta en el
concurso, coche o cabra reales; apuesta que se hace; sucesos en una particin).
Las operaciones aritmticas se representan simblicamente; por ejemplo 1/3
representa la operacin de dividir la unidad en tres partes y tambin el resultado de
la divisin, que es un nmero real que no percibimos directamente.
Los diferentes smbolos representan propiedades, conceptos u operaciones. Por
ejemplo, G=(GA)U(GB) representa en forma visible una propiedad matemtica.
El diagrama en rbol de las soluciones intuitivas representa, por un lado la
estructura del experimento (por pasos) y en cada paso, los resultados del
experimento y sus probabilidades.

Respecto a los procesos de particularizacin generalizacin (dualidad extensivo
intensivo), es decir, cuando pasamos de un caso particular, generalizando a una
propiedad de un conjunto o viceversa, cuando una propiedad que sabemos es general, la
aplicamos a un caso particular, observamos los siguientes:
Sabemos que la suma total de todas las probabilidades de los sucesos en un
experimento es la unidad. En cada ejemplo, particularizando llegamos a las
probabilidades de los sucesos dados. Por ejemplo, en el problema de Monty Hall
deducimos que la probabilidad inicial de elegir una de las tres puertas es 1/3.
Al trabajar con el Applet en el problema de Monty Hall, vemos que si cambiamos
de puerta estamos obteniendo el doble de aciertos que si no cambiamos. Aunque no
Captulo 5

304
sepamos por qu, aceptamos (generalizando) que la probabilidad de acierto
cambiando de puerta ser el doble que si no se cambia. En los diferentes diagramas
en rbol, observamos que la suma de probabilidades en cada rama es la unidad.
Generalizando, asumimos que la suma de todos los sucesos elementales en cada
experimento ha de ser igual a 1.
Conocemos el axioma de la unin que se cumple en forma general. Para cada
problema concreto, lo aplicamos para calcular la probabilidad total o la probabilidad
de la unin de dos o ms sucesos (aunque se cumple para cualquier nmero de
sucesos, ac particularizamos para cada caso).
Los procesos de representacin y significacin aparecen continuamente en el
trabajo matemtico, pues, como no podemos operar directamente con objetos ideales,
representamos las operaciones sobre los mismos por medio de smbolos o por medio de
otros objetos. Es decir, o bien representamos un objeto abstracto de cierta manera o bien
tenemos que interpretar (dndole un significado) una representacin matemtica:
El juego real de Monty Hall o la construccin real de un diagrama en rbol lo
representamos en el Applet mediante grficos dinmicos; la eleccin de una puerta
la representamos pinchando en el grfico que representa esta puerta; la construccin
de una nueva rama, la representamos mediante el dibujo que produce el Applet.
El objeto probabilidad lo representamos por la letra P; la probabilidad de un
suceso que denominamos A lo representamos mediante P(A). A (el suceso) a su vez
representa un resultado; por ejemplo, ganar en un juego.
El alumno que trata de resolver el problema tiene que pasar constantemente de
considerar objetos elementales (unitarios) a considerar objetos compuestos de varios
objetos elementales (sistmico). Encontramos los siguientes procesos de
descomposicin reificacin (dualidad sistmico unitario):
Cada suceso de un experimento aleatorio es elemental. Pero el espacio muestral del
experimento es sistmico.
Cada resultado de un experimento es elemental. Pero la frecuencia relativa o el
porcentaje de veces que ocurre un resultado se calcula como una operacin sobre el
total de los resultados al realizar n veces el experimento.
Cada rama del diagrama en rbol es elemental, mientras que todo el diagrama en
rbol es sistmico.
Anlisis de recursos para la formacin de profesores

305
En la solucin formal 2 al problema de Monty Hall, cada valor de la variable
aleatoria es elemental, mientras que la variable aleatoria en s misma es sistmica,
lo mismo que su distribucin.
Finalmente, tenemos los procesos de personalizacin - institucionalizacin
(dualidad personal institucional). Los autores indican que al comenzar un proceso de
estudio ser necesario lograr que los estudiantes asuman el problema y se involucren en
su solucin. Es lo que Brousseau (1986) denomina la devolucin del problema.
Pensamos que esto se consigue totalmente con estos recursos pues aumenta el inters
del alumno y olvida que se trata de una clase de matemticas. Ha personalizado la
situacin. El proceso inverso es pasar de lo personal a lo institucional. Esto lo logra el
maestro cuando discute colectivamente con los estudiantes para decidir cules de las
soluciones son correctas y por qu.

5.2.6. IDONEIDAD DIDCTICA DEL TRABAJO CON LOS RECURSOS

A continuacin aplicamos la nocin de idoneidad didctica, descrita en el marco
terico, al caso de la solucin del problema de Monty Hall. En el trabajo real en el aula,
se planteara el problema a los estudiantes, dejando un tiempo para la posible solucin.
Seguidamente se discutiran con los estudiantes las soluciones correctas e incorrectas
encontradas por los mismos, hasta lograr que se acepte alguna de las soluciones
correctas. El profesor ayudara a analizar las causas de los errores y hara un resumen de
lo aprendido. En caso de resistencia a la solucin, se dejara experimentar con la
solucin para que, al ver sus intuiciones refutadas por la evidencia emprica, los
estudiantes tratasen de revisar la solucin errnea y sus causas.
La idoneidad didctica se define como la articulacin de seis componentes
(Godino, Wilhelmi y Bencomo, 2005; Godino, Contreras y Font, 2006) cada uno de los
cuales puede presentarse en mayor o menor grado. Para analizar si se verifican los
diferentes tipos de idoneidad descritos en el punto anterior, los autores proporcionan
unas guas de descriptores para poder valorar cada uno de los tipos de idoneidad. En
nuestro caso, la intencin sera utilizar el Applet con el proceso de estudio descrito en
cursos de formacin de profesores de secundaria. A continuacin describimos y
valoramos resumidamente estos componentes de la idoneidad:

Captulo 5

306
Idoneidad epistmica o matemtica: Se trata de ver si hay representatividad de los
significados institucionales implementados (o pretendidos), respecto de un
significado de referencia. Pensamos que el Applet, junto con el proceso de estudio
descrito podra tener una idoneidad matemtica en el estudio de los conceptos de:
probabilidad condicional, experimento compuesto, dependencia e independencia y
experimentos dependientes e independientes. Como vimos en la Tabla 5.210, esta
idoneidad podra ser ms o menos grande, dependiendo del tipo de solucin
encontrada. En general las soluciones formales tienen mayor idoneidad en un curso
universitario y de formacin de profesores, pero en un curso con alumnos de
Secundaria, las soluciones intuitivas podran ser suficientes. La solucin emprica,
tiene en general, baja idoneidad matemtica, a menos que se complemente con una
solucin intuitiva o formal.
Idoneidad cognitiva: Mide el grado en que los significados pretendidos/
implementados son asequibles a los alumnos, as como si los significados personales
logrados por los alumnos son los significados pretendidos por el profesor. Pensamos
que la situacin planteada tiene suficiente idoneidad en cursos de formacin de
profesores, sobre todo de profesores de Secundaria que son licenciados en
matemticas. Asimismo podra tener idoneidad suficiente en los ltimos cursos de
Secundaria o Bachillerato, pues los razonamientos descritos estn al alcance de los
alumnos.
Idoneidad interaccional: Grado en que la organizacin de la enseanza permite
identificar conflictos semiticos y resolverlos durante el proceso de instruccin. Este
tipo de idoneidad depender de cmo organiza el educador el trabajo en el aula. Ser
importante que los estudiantes trabajen en grupos para que surja el conflicto y se
explicite. Ser importante tambin organizar una solucin colectiva de las
soluciones para que los mismos alumnos ayuden a sus compaeros a detectar los
puntos equivocados.
Idoneidad mediacional: Disponibilidad y adecuacin de los recursos necesarios para
el desarrollo del proceso de enseanza-aprendizaje. No se precisa de muchos
recursos, pues incluso podra hacerse una simulacin con objetos fsicos. Pero, con
un solo ordenador en el aula, donde los alumnos pueden jugar colectivamente se
puede trabajar esta situacin. La idoneidad aumentara si se trabaja en el aula de
informtica donde cada alumno o profesor puede experimentar individualmente o
Anlisis de recursos para la formacin de profesores

307
por parejas con el recurso.
Idoneidad emocional: Inters y motivacin del alumnado en el proceso de estudio.
Pensamos que esta es ms alta con este juego que sin duda intriga e interesa a todo
el que trata de resolverlo.

5.2.7. CONCLUSIONES DEL ESTUDIO 3

En el Estudio 3 descrito en las anteriores secciones se plantearon los siguientes
objetivos:
1. Seleccionar algunos recursos relacionados con la probabilidad condicional e
independencia y realizar una clasificacin de los mismos.
2. Realizar un anlisis de los objetos matemticos puestos en juego en el uso didctico
de algunos de los recursos seleccionados e identificar algunos posibles conflictos
semiticos que puedan surgir durante su solucin.
4. Valorar los procesos matemticos utilizados en el trabajo con los recursos
seleccionados y la idoneidad didctica de los mismos en los cursos de formacin de
profesores.
Nuestra hiptesis sobre este estudio fue que podramos identificar una variedad
de recursos que mostrasen la riqueza de objetos matemticos relacionados con la
probabilidad condicional. Asimismo pensbamos mostrar la idoneidad didctica de
estos recursos para la formacin de profesores en el campo de la probabilidad
condicional.
Se han tratado de cumplir los objetivos mediante una bsqueda, clasificacin y
anlisis de los distintos recursos. El resultado ha sido un ndice bastante amplio de
recursos que proporcionan ayudas de aprendizaje, plantean una visin diferente del
trmino probabilidad condicionada, plantean problemas paradjicos, permiten la
graficacin, simulacin y experimentacin y proporcionan al estudiante un aspecto
visual del que carecen los libros de texto.
Pensamos que un uso adecuado de estas ayudas, debidamente insertado en el
proceso de aprendizaje, ayudar al futuro profesor o profesor en ejercicio a superar
algunos de los errores y sesgos descritos en los Estudios 1 y 2. Se han cumplido
asimismo los objetivos de valoracin de los objetos y procesos matemticos implcitos
en el uso de los recursos, as como nuestra hiptesis inicial sobre las dificultades
Captulo 5

308
potenciales del trabajo con los mismos y su idoneidad didctica. Todos estos resultados
se han publicado en Batanero, Fernndes y Contreras (2009), Contreras, Daz y
Batanero (2009) y Contreras, Batanero y Fernndes (2010).
La disponibilidad de recursos libremente accesibles en Internet hace que la cultura
y la ciencia se estn democratizando cada vez ms, por lo que el aprendizaje se lleva a
cabo no slo en el aula tradicional (Galmacci, 2001). El uso de este tipo de recursos
aumenta la motivacin de los alumnos por el tema, ya que se presentan los conceptos de
una forma ms llamativa y permite al alumno adoptar un papel activo en su aprendizaje.
Es por ello importante que el profesor tenga en cuenta estos recursos y los incorpore a
su enseanza. Sin embargo, un recurso didctico por s slo no resuelve todos los
problemas. Se plantea, as el reto de disear unidades didcticas para la enseanza de la
probabilidad condicional y la formacin de profesores que incorpore estos recursos.
El anlisis de las posibles soluciones (como hemos hecho) y los objetos
matemticos usados es til en la formacin de profesores, para mejorar su capacidad de
anlisis del componente didctico y hacerles reflexionar sobre la complejidad del campo
de la probabilidad.

5.3. PARADOJAS DE PROBABILIDAD COMO RECURSO DIDCTICO

5.3.1. INTRODUCCIN

Otra herramienta didctica posible en la formacin de profesores son las paradojas
aparecidas en la historia de la probabilidad (Batanero, Contreras y Arteaga, 2009;
Fernndes, Batanero, Contreras y Daz, 2009; Batanero, Contreras, Fernndes y Ojeda,
2010). Puesto que el profesor tiene unos conocimientos slidos en probabilidad
elemental, para provocar su reflexin, hemos de buscar problemas, que, siendo
aparentemente sencillos, puedan tener soluciones contraintuitiva. Es fcil encontrar
estos problemas, pues en la historia de la probabilidad y la estadstica muchos
problemas sencillos resultaron difciles de resolver, incluso para matemticos famosos
(Batanero, Henry y Parzysz, 2005).
Lesser (1998) indica que el uso inteligente de paradojas en la clase de
matemticas apoya una pedagoga constructivista, promoviendo un aprendizaje
profundo a partir de las creencias previas y dando al profesor el papel de facilitador del
Anlisis de recursos para la formacin de profesores

309
aprendizaje. Falk y Konold (1992) afirman que el anlisis de estas paradojas requiere,
una conciencia de sus propios pensamientos, lo que es tan importante como el
aprendizaje de la solucin correcta y es un paso vital para alcanzar la capacidad
matemtica abstracta. Konold (1994) destaca el efecto motivador de los resultados
sorprendentes, que anima a los estudiantes a explorar el problema ms formalmente.
A continuacin se describe el Estudio 4, orientado a seleccionar algunas paradojas
relacionadas con la probabilidad condicional e independencia que permitan afrontar a
los profesores con los sesgos encontrados en los Estudios 1 y 2. A continuacin
describimos los objetivos e hiptesis, metodologa y resultados de este estudio.

5.3.2. OBJETIVOS E HIPTESIS DEL ESTUDIO 4

El objetivo general del Estudio 4 es recopilar y analizar algunas paradojas clsicas
ligadas a la probabilidad condicional e independencia, que puedan servir para organizar
situaciones didcticas dirigidas a la formacin de profesores, tanto respecto al
conocimiento matemtico, como respecto al conocimiento didctico en las facetas
consideradas en este trabajo. Los objetivos especficos son los siguientes:
1. El primer objetivo es seleccionar algunas paradojas cuya solucin pueda
abordarse con conocimientos elementales de probabilidad condicional e
independencia. Han de tratarse de problemas curiosos, que inciten el inters de los
profesores y cuya solucin no sea evidente. Deben requerir conocimientos de
probabilidad condicional o independencia y tener potencial para organizar un
debate en torno a las cuestiones matemticas y didcticas, que contribuyan a
aumentar el conocimiento del profesor.
2. El segundo objetivo es realizar un anlisis de los objetos matemticos puestos en
juego en las posibles soluciones de las paradojas seleccionadas, similar al
realizado en el Estudio 3 con los recursos en Internet e identificar algunos posibles
conflictos semiticos que puedan surgir durante su solucin.
3. El tercer objetivo es valorar los procesos matemticos utilizados en el trabajo con
las paradojas seleccionadas y la idoneidad didctica de este recurso en los cursos
de formacin de profesores.


Captulo 5

310
Hiptesis
La hiptesis que nos planteamos respecto a las paradojas seleccionadas es que su
anlisis nos permitir mostrar una variedad de objetos matemticos involucrados en
sus posibles soluciones, as como dificultades y conflictos potenciales en los
estudiantes, que estn relacionados con las dificultades descritas en las investigaciones
previas que se analizaron en el captulo 2 y los encontrados en los Estudios 1 y 2.
Asimismo esperamos mostrar la idoneidad didctica de este recurso para la
formacin de profesores. Las hiptesis se fundamentan en el marco terico descrito en
el captulo 1, en el que se especfica la complejidad del conocimiento matemtico, y
tambin en el anlisis del objeto matemtico probabilidad condicional, llevado a cabo
en el mismo captulo.
Se espera que la riqueza de objetos matemticos revelada en dicho anlisis
aparezca en las prcticas matemticas necesarias en la solucin de las paradojas por
parte de posibles alumnos o profesores. Por otro lado, tanto en el captulo 2, como en
los Estudios 1 y 2, se describieron numerosos sesgos de razonamiento en relacin a la
probabilidad condicional e independencia. Pensamos que estos sesgos son los que
explican muchas de las paradojas de probabilidad condicional y por ello aparecern en
el trabajo de los futuros profesores o profesores en ejercicio, precisamente debido al
carcter contraintuitivo de las mismas.

5.3.3. MATERIAL Y MTODO

En el Estudio 4 hemos localizado, y posteriormente analizado, algunas paradojas
de probabilidad condicional e independencia que cumplen las condiciones descritas en
los anteriores apartados. La localizacin de estas paradojas se ha realizado a travs de
varios sistemas:
A partir de la lectura de libros de probabilidad y artculos didcticos o de
investigacin que describen paradojas en probabilidad, como por ejemplo, los de
Crandall y Greenfield (1986), Falk (1986), Szkely (1986), Borovnick y Bentz
(1991), Bohl, Liberatore y Nydick (1995), Borovcnik y Peard (1996) o Daz y de la
Fuente (2005).
Mediante bsqueda directa en buscadores de Internet, utilizando palabras claves
como paradoja o problemas histricos, intuiciones y alguna de las siguientes
Anlisis de recursos para la formacin de profesores

311
probabilidad condicional probabilidad condicionada, independencia,
conditional probability, Bayes, Independence o Bayes theorem.

Una vez localizada una paradoja, se realiza un primer anlisis de la misma, para
ver si cumple los criterios especificados. En caso de inters potencial, se clasifica como
paradoja asociada a la probabilidad condicional o paradoja asociada a la independencia.
A continuacin llevamos a cabo un anlisis de dicha paradoja desde diferentes puntos
de vista. En primer lugar, describimos la paradoja, proporcionando datos de su historia
y referencias donde se pueda ampliar lo expuesto en este captulo.
En segundo lugar se lleva a cabo un anlisis matemtico de una posible solucin
intuitiva correcta y de algunas soluciones incorrectas. Para el primer caso, analizamos
los objetos matemticos en juego y para el segundo los posibles conflictos semiticos
que llevan a la solucin incorrecta, describiendo con detalle las que se hayan descrito en
las investigaciones previas, como por ejemplo en los trabajos de Daz (2005) y Daz y
de la Fuente (2005) o hayan aparecido en los Estudios 1 o 2. Se construye una tabla de
anlisis semitico, mostrando los objetos matemticos requeridos en la solucin
correcta.
Para finalizar el anlisis y al final del captulo se estudian, globalmente para el
conjunto de paradojas analizadas los procesos matemticos requeridos as como la
idoneidad didctica del uso de estas paradojas en los cursos de formacin. En lo que
sigue, se presentan los resultados, detenindonos en la paradoja de Bertrand que es base
para la organizacin del taller descrito en el captulo 6. No pretendemos ser exhaustivos,
debido a la gran cantidad de paradojas en la historia de la probabilidad, sino analizar
algunas de las ms conocidas, pues ello es suficiente para los objetivos del Estudio 4.

5.3.4. ANALISIS DE RESULTADOS

5.3.4.1. LA PARADOJA DE LA CAJA DE BERTRAND Y SUS VARIANTES

Comenzamos con el anlisis detallado de esta paradoja, pues ser la base del taller
descrito en el Captulo 6. J oseph Bertrand (1822-1900) fue un matemtico francs del
siglo XIX, cuyos campos de trabajo fueron la Teora de los Nmeros, la Geometra
Diferencial, la Economa, la Termodinmica y la Teora de las Probabilidades. En su
Captulo 5

312
libro Clcul des probabilits publicado en 1888, describe numerosos ejemplos de
problemas de probabilidades cuyo resultado es contrario a la intuicin. Entre ellos el
siguiente problema, que es ahora conocido como la Paradoja de la caja de Bertrand:

Tenemos tres cajas y cada caja tiene dos cajones con una moneda cada una: una caja contiene dos
monedas de oro, otra caja dos monedas de plata, y la caja final con una de cada tipo. Despus de elegir
una caja al azar se toma un cajn al azar, y resulta por ejemplo que contiene una moneda de oro. Cul
es la probabilidad de que la otra tambin sea de oro?

La solucin que dan muchos estudiantes, se basa en el siguiente razonamiento.
Despus de elegir una caja al azar y retirar una moneda tambin al azar, si esta fuese
una moneda de oro, slo tenemos dos opciones: (a) que hayamos elegido la caja con dos
monedas de oro; o (b) que hayamos elegido la caja con una moneda de oro y otra de
plata, pues es imposible que sea la caja con dos monedas de plata. Por tanto, la
probabilidad de que la otra moneda tambin fuese de oro es igual 1/2. Esta solucin es
incorrecta, pues la probabilidad de que la segunda moneda sea de oro es 2/3.

Solucin intuitiva correcta
Una posible solucin correcta del problema se obtiene intuitivamente con una
adecuada notacin al representar el espacio muestral mediante el diagrama en rbol.
Como hemos supuesto, hay tres cajas. Una tiene dos monedas de oro (O, O), otra dos
monedas de plata (P, P), y la ltima una moneda de oro y una moneda de plata (O, P).
Los posibles resultados del experimento descrito se observan en la Figura 5.3.1, que es
representa el espacio muestral de un experimento compuesto, junto con las
probabilidades en cada rama del rbol y finales de cada suceso.
Figura 5.3.1. Solucin intuitiva al problema de la caja de Bertrand

Anlisis de recursos para la formacin de profesores

313
El primer experimento es elegir al azar una de las tres cajas disponibles, que
tienen igual probabilidad de ser elegida (1/3). En un segundo paso, al abrir uno de los
cajones se pueden encontrar los casos representados en la segunda divisin en ramas del
rbol. El tercer experimento (ltima rama) es el tipo de moneda que queda en la caja,
cuando se ha abierto uno de los cajones.
Sabemos que una de las monedas es de oro; por tanto quedan dos posibilidades
(equiprobables); que se trate de la caja con dos monedas de oro o de la caja con una de
oro y otra de plata. Para la caja (OP) la probabilidad de que la moneda resultante sea
oro si la observada fue oro es cero, y si la observada es plata es 1. Como dicha caja slo
tiene dos posibilidades, la probabilidad de que la moneda que queda en el cajn sea de
oro es 1/2 (segunda rama del rbol). Siguiendo un razonamiento similar, observamos
que la probabilidad de que la moneda restante sea oro, para la caja (OO) es igual a 1. En
consecuencia, sabiendo que una moneda es de oro, la probabilidad de que la otra sea de
oro es doble (2/3) que la probabilidad de que sea de plata (1/3).

Tabla 5.3.1. Objetos matemticos implcitos en la solucin
Tipos Objetos matemticos en la
situacin
Significado en la situacin
Situaciones-
problemas
- Predecir la segunda
moneda, sabiendo la
primera
- Determinar el material ms probable de la
segunda moneda
Lenguajes
- Verbal - Explicacin de la situacin
- Grfico - Diagrama en rbol
- Representacin icnica del juego
- Numrico - Expresin de nmeros naturales y fracciones
- Simblico - Expresiones de la probabilidad y de operaciones
matemticas, as como de sus resultados
Conceptos
- Experimento aleatorio - Elegir una caja
- Moneda que sale
- Aceptar la prediccin
- Sucesos; espacio muestral - Cajas 1, 2, 3
- Moneda que se elige
- Moneda que queda en la caja
- Aceptar/no aceptar
- Experimento compuesto - Composicin de los experimentos anteriores
- Sucesos en el experimento
compuesto
- Producto cartesiano de los espacios muestrales
anteriores (OO) (OP) (PP)
- Probabilidad clsica - Proporcin de casos favorables a posibles.
- Probabilidad condicional - Proporcin de ocurrencia suceso respecto a la
ocurrencia de otro
Procedimientos
- Clculo probabilidades
intuitivo
- Aplicar reglas intuitivas
- Representacin grfica - Diagrama; esquema
Propiedades
- Diferencia probabilidad
condicionada y simple
- Restriccin del espacio muestral
- Axioma de unin - La probabilidad de la suma es suma de
probabilidades
Captulo 5

314
- Regla de la suma - Suma de probabilidades
- Restriccin del espacio
muestral en la probabilidad
condicionada
- Si una moneda es de oro, la caja no puede ser
(PP)
Argumento - Razonamiento deductivo - Demostracin de la solucin

En la Tabla 5.3.1 se presentan los objetos matemticos que se han utilizado en la
solucin correcta descrita. Observamos que el trabajo con este problema, es abordable
en la educacin secundaria y formacin de profesores y que permite trabajar con los
objetos matemticos ligados a la probabilidad condicional analizados en el captulo 1.
Por tanto, este sencillo pero contra-intuitivo juego puede ser utilizado en el aula, ya que
ilustra algunos principios bsicos de la enseanza de la teora de probabilidades, entre
ellos los axiomas de Kolmogorov. Por supuesto es posible tambin un trabajo con
mayor nivel de formalizacin, lo que implicara un conjunto diferente de objetos
matemticos usados (diferente configuracin epistmica).

Dificultades posibles de los estudiantes
Al igual que en el caso de los recursos en Internet, la complejidad del problema,
aparentemente simple se muestra en el anlisis de los objetos matemticos que se
analizan en la Tabla 5.3.1. En la literatura relacionada con este problema se han descrito
varias soluciones errneas, relacionadas con una deficiente intuicin, que comentamos a
continuacin. Estas soluciones pueden ser debidas a errores en el proceso de
representacin-interpretacin o bien a la atribucin de propiedades que no tienen a
ciertos objetos o situaciones, como vemos en los casos que siguen:
No percepcin de la independencia. Un primer problema se produce porque no se
percibe la dependencia de los sucesivos experimentos (elegir una caja) y (elegir una
moneda). Es decir, o bien no se visualiza la estructura del experimento compuesto o
se suponen los sucesivos experimentos independientes, atribuyendo una propiedad
(independencia) que no tienen los experimentos. Pensamos que esto es un conflicto
semitico debido a fallo de interpretacin de la descripcin verbal, que no es ms
que la representacin del experimento real. Este error de razonamiento es explicado
por Falk (1986), mediante la falacia del eje de tiempos que consiste en que las
personas creen errneamente que una informacin actual (la moneda mostrada) no
puede afectar a un suceso que ocurri con anterioridad a la misma (caja elegida).
Esta falacia se mostr en una alta proporcin de participantes en el Estudio 2,
Anlisis de recursos para la formacin de profesores

315
Incorrecta percepcin del espacio muestral. Otra posibilidad de error en este
problema es una incorrecta enumeracin del espacio muestral; mostrando un fallo en
pasar de la idea espacio muestral (intensivo) al espacio muestral concreto
(extensivo) o lo que es lo mismo, fallo en la particularizacin del espacio muestral
en este experimento. La intuicin sugiere que, una vez elegida la caja, y quitando la
(PP), slo quedan dos posibilidades equiprobables. Por tanto, hay un 50 % para las
otras dos cajas. En este razonamiento se est realizando una incorrecta enumeracin
del espacio muestral al calcular la probabilidad condicionada, otro sesgo descrito
por Gras y Totohasina (1995).
Paradoja de las tarjetas
Son mltiples las versiones de la paradoja de la caja de Bertrand encontradas en la
literatura. Batanero, Godino y Roa (2004) describen una actividad que sirve para
comparar la concepcin frecuentista y Laplaciana de la probabilidad y reflexionar sobre
los conceptos de experimentos dependientes y probabilidad condicional. Utilizan el
siguiente enunciado de la denominada paradoja de las tres tarjetas:
Tomamos tres tarjetas de la misma forma y tamao. Una es de color azul en ambos lados, la segunda es
de color rojo en ambos lados y la tercera es azul de un lado y roja por el otro. Ponemos las tres tarjetas
en una caja, y agitamos la caja, antes de seleccionar una tarjeta al azar. Despus de seleccionar la
tarjeta se muestra uno de los lados. El objetivo del juego es adivinar el color de la cara oculta.
Repetimos el proceso, poniendo la tarjeta de nuevo en la caja antes de cada nueva extraccin. Hacemos
predicciones sobre el color del lado oculto y se gana un punto cada vez que nuestra prediccin es
correcta.

Esta variante de la paradoja se utiliza en el taller didctico analizado en el captulo
6, donde analizamos posibles soluciones con diferente nivel de formalizacin. Gardner
(1982) denomina a esta paradoja como la estafa de las tres tarjetas, y propone un par de
variantes. La primera versin consiste en extraer una tarjeta de un sombrero, y si esta
tiene una marca roja, el estafador apuesta con la vctima una cierta cantidad de dinero a
que la marca de la otra parte es tambin roja. La vctima convencida de que la apuesta
es justa aceptar sin pensarlo ya que creer que tiene igual posibilidades de ganar que de
perder, pero el timador gana dinero a largo plazo, ya que ganar 2/3 de las veces que
realice el juego. La segunda versin de esta paradoja, propuesta por Gardner tiene el
siguiente enunciado:
Captulo 5

316
Tres hombres, sentados formando un tringulo, mantienen los ojos cerrados mientras juegan. Se les
pone un gorro rojo o un gorro negro en sus cabezas. Se les propone que abran los ojos a la vez y que se
fijen en el gorros del de su derecha, pero no el suyo. Tienen que adivinar el color de su propio gorro.
Tan pronto como est seguro del color de su gorro, ha de decirlo.

Al igual que ocurre con las tarjetas, el jugador al observar un gorro de un
determinado color tiende a pensar que hay dos sobreros de distintos colores, el suyo y el
que no ve, por lo que tiende a asignar probabilidad de 1/2 a cada uno de los casos.

Dilema del prisionero
Otra variante de la paradoja de la caja de Bertrand es el dilema del prisionero
(Hardin, 1968), problema que presenta el siguiente enunciado:

Tres prisioneros esperan encarcelados su juicio. Se les informa que a uno de ellos se les condenar a
muerte y que a los otros dos se les liberar. Cada preso piensa en las posibilidades que tiene de salvase,
pero el juez le dice al primer preso que el tercero se salva y que si quiere puede intercambiar su suerte
con el segundo. Qu debe hacer el primer prisionero?

Una solucin intuitiva de este dilema sera comprobar las posibilidades, es decir
crear el espacio muestral de las posibilidades a priori sin tener en cuenta la informacin
proporcionada por el juez. Antes de conocer que el tercer preso se salva, las
posibilidades de vida y muerte de los prisioneros seran las indicadas en la Tabla 5.3.2.
Por lo tanto, la probabilidad de que el primer preso muera es de 1/3 ya que slo morira
en el supuesto 1. Pero como el juez le indica que el tercer preso se salva, aparentemente
slo quedan dos opciones: que muera el primero o segundo prisionero. Por lo que
vemos la respuesta ms usual sera decir que ambos tienen la misma probabilidad (1/2)
de morir, y no merece la pena elegir la opcin que proporciona el juez de intercambiar
su futuro por el preso segundo. Sin embargo, este razonamiento es incorrecto.

Tabla 5.3.2. Supuestos posibles en el dilema de los tres prisioneros
1 preso 2 preso 3 preso
Supuesto 1 Muere Libre Libre
Supuesto 2 Libre Muere Libre
Supuesto 3 Libre Libre Muere


Anlisis de recursos para la formacin de profesores

317
Solucin correcta
Una solucin correcta se obtendra comparando las probabilidades de que mueran
el primer y segundo preso, sabiendo que se salva el tercero.
Para calcular P((1 muera)/(3 se salve)) habra que aplicar la frmula de la
probabilidad condicional, es decir:
((1 ) (3 ))
((1 ) / (3 ))
(3 )
P muera se salve
P muera se salve
P se salve

= .

Como sabemos que el tercer prisionero se salva, la probabilidad pedida es igual a
la del numerador, ((1 ) (3 )) P muera se salve . Utilizando la frmula de la probabilidad
compuesta: ((1 ) (3 )) (1 ) (3 |1 ) P muera se salve P muera P se salva muera = . Al salvarse
siempre el tercer prisionero: (3 |1 ) (3 ) 1 P se salva muera P se salva = = , por tanto,
((1 ) (3 )) (1 ) P muera se salve P muera = =1/3. Aplicando la frmula de la probabilidad
condicional, tenemos:
((1 ) (3 )) 1/ 3
((1 ) / (3 )) 1/ 3
(3 ) 1
P muera se salve
P muera se salve
P se salve

= = = .

La probabilidad de que muera el segundo preso, sabiendo que se salva el tercero,
sera la complementaria de la anterior, pues sabemos que o bien el segundo o el tercero
han de morir, por lo que la probabilidad sera:
((2 )|(3 )) 1 ((1 )|(3 )) 2/ 3 P muera se salve P muera se salve = = .

Luego al primer preso no le conviene intercambiar su suerte con el segundo ya
que as tendra el doble de posibilidades de morir, lo cual es paradjico. Como se
muestra en la Tabla 5.3.3 la resolucin es bastante compleja, debido a la gran cantidad
de objetos matemticos que se manejan, incluyendo varias frmulas de clculo de
probabilidad compuesta y condicional. Como vemos, pequeas variantes en el
enunciado de la paradoja de Bertrand aumentan la complejidad de la solucin, de modo
que el contexto es una variable de tarea importante en este problema.

Posibles dificultades
Al igual que en el problema de la caja de Bertrand las soluciones errneas se
deben a la no percepcin de la independencia de los sucesos, que apareci tanto en el
Captulo 5

318
Estudio 1 como en el Estudio 2, y a la incorrecta percepcin del espacio muestral. El
primer problema se produce cuando no se percibe la dependencia de los sucesivos
experimentos (plantear las posibilidades de morir) y (elegir intercambiarse o no). No se
visualiza la estructura del experimento compuesto, otorgndole a los experimentos la
propiedad de independencia que no tienen.
El otro error es debido a la incorrecta enumeracin del espacio muestral, lo que es
frecuente en el clculo de la probabilidad condicional, segn Gras y Totohasina (1995),
mostrando un fallo en pasar de la idea espacio muestral (intensivo) al espacio muestral
concreto (extensivo). La intuicin nos dice que, una vez conocido que el tercer preso
sobrevive, slo quedan dos posibilidades equiprobables. Por tanto, hay un 50% de
posibilidades de morir, es decir se est realizando una incorrecta enumeracin del
espacio muestral al calcular la probabilidad condicionada.

Tabla 5.3.3. Objetos matemticos implcitos en la solucin
Tipo Objetos matemticos Significado en la situacin
Problema
- Elegir una opcin,
intercambiarse o no por el
segundo preso
- Determinar la mayor probabilidad de supervivencia
Lenguajes
- Verbal - Explicacin de la situacin
- Grfico - Tabla de resultados
- Simblico - Expresar sucesos, probabilidades
- Numrico: Probabilidades - Calculo de las diferentes probabilidades
- Icnico - Iconos que representan los sucesos y resultados
Conceptos
- Experimento aleatorio - Elegir el preso
- Elegir intercambiarse o no
- Salvar la vida
- Sucesos; espacio muestral - Preso 1, 2, 3
- Morir/Libre
- Experimento compuesto - Composicin de los experimentos anteriores
- Sucesos en el
experimento compuesto
- Producto cartesiano de los espacios muestrales
anteriores (M1, L2, L3), (L1, M2, L3), (L1, L2, M3)
- Interseccin de sucesos - Conjunto comn de sucesos
- Probabilidad clsica - Proporcin de casos favorables a posibles
- Probabilidad condicional - Proporcin de ocurrencia suceso respecto a la ocurrencia
de otro
- Variable aleatoria - Nmero de preso que se salvar
- Complementario - Suceso contrario a otro
Procedimientos
- Regla de la probabilidad
condicionada
- Descomposicin de la probabilidad condicionada como
cociente de la conjunta y la simple
- Clculo de probabilidad
compuesta
- Regla del producto para sucesos dependientes
- Clculo del
complementario
- La probabilidad del complementario es uno menos la
probabilidad del suceso
Propiedades
- Diferencia probabilidad
condicionada y simple
- Restriccin del espacio muestral
- Axioma de unin - La probabilidad de la suma es suma de probabilidades
Anlisis de recursos para la formacin de profesores

319
- Probabilidad
condicionada en funcin
de la conjunta y la simple
-
( )
( / )
( )
P A B
P A B
P B

=

- Regla del complementario -
( ) 1 ( ) P A P A =

- Regla de la unin
-
( ) ( ) ( ) ( ) P A B P A P B P A B = +

- Regla del producto -
( ) ( ) ( ) = / P A R P A P R A

- Regla de la independencia -
( / ) ( ) P A B P A =

Argumento
- Razonamiento deductivo - Demostracin de la solucin
- Razonamiento emprico - Comparar aciertos con distintas estrategias

Paradoja del nio o nia
Otra versin de la paradoja de Bertrand, de gran importancia por el nmero de
investigaciones pedaggicas que la tratan, es la paradoja del nio o nia, tambin
conocida como el problema de los dos hijos, los nios de Smith o el problema de la
seora Smith (Gardner, 1959b). El enunciado de la paradoja se describi mediante dos
opciones de la siguiente manera:

El Sr. Jones tiene dos hijos. El hijo mayor es una nia. Cul es la probabilidad de que ambos sean
nias?
El Sr. Smith tiene dos hijos. Al menos uno de ellos es un nio. Cul es la probabilidad de que ambos
hijos sean nios?

La paradoja est planteada para comprobar si el problema tiene una configuracin
similar para las dos preguntas, ya que la respuesta intuitiva es 1/2 para ambas, pues la
pregunta lleva al lector a creer que hay dos sucesos igualmente probables para el sexo
del segundo hijo (es decir, nio y nia), y que la probabilidad de estos resultados no est
condicionada a la informacin dada.
Esta paradoja ha estimulado una gran controversia. En primer lugar, el espacio
muestral de todos los eventos posibles puede ser fcilmente enumerado: (HH, HM, MH,
MM). En segundo lugar, se supone que estos resultados son igualmente probables. Los
supuestos son los siguientes:
1. Que cada nio es hombre o mujer.
2. El sexo de cada hijo es independiente del sexo del otro.
3. Que cada nio tenga la misma probabilidad de ser varn como de ser mujer.
Estos supuestos no son totalmente ciertos ya que la proporcin de nios y nias no
es exactamente de 50:50, y (entre otros factores) la posibilidad de gemelos idnticos
significa que la determinacin del sexo no es totalmente independiente. Pero se asumen
Captulo 5

320
como verdaderos. En la primera cuestin, el Sr. J ones tiene dos hijos y el mayor es una
nia; se nos pide la probabilidad de que ambos hijos sean nias. En el espacio muestral
del problema encontramos que hay cuatro eventos igualmente probables, pero que dos
de ellos no cumplen la condicin de ser el hijo mayor chica (Tabla 5.3.4).

Tabla 5.3.4. Espacio muestral de la variable aleatoria
Hijo mayor Hijo menor
Chica Chica
Chica Nio
Nio Chica
Nio Nio

Puesto que las dos posibilidades del espacio muestral nuevo (MH, MM) son
igualmente probables, y slo uno de los dos incluye dos nias, la probabilidad de que el
hijo ms pequeo sea tambin una chica es 1/2.
En la segunda cuestin, se indica que el Sr. Smith tiene dos hijos y al menos uno
de ellos es un nio y se pregunta la probabilidad de que ambos hijos sean nios. En
principio esta cuestin es idntica a la primera, excepto que en lugar de especificar que
el hijo mayor es un nio, se dice que al menos uno de ellos es un nio. La primera
impresin (errnea) es que como ya tiene un hijo varn, la probabilidad de que el otro
tambin lo sea es de 1/2 ya que tiene un caso favorable de dos posibles.

Figura 5.3.2. Posibles resultados del experimento

Solucin intuitiva correcta
Si suponemos que esta informacin se obtuvo al considerar todos los nios, como
en el primer apartado, vemos que hay cuatro posibles eventos en el espacio muestral.
Tres de estas familias renen la condicin necesaria y suficiente de tener al menos un
nio. El conjunto de posibilidades viene dado en la Tabla 5.3.5, donde vemos que hay
un caso favorable de tres. Para responder a la pregunta, la hiptesis fundamental es
Anlisis de recursos para la formacin de profesores

321
cmo fue seleccionada la familia del Sr. Smith y cmo se obtuvo la informacin. Si no
se sabe nada, son considerados todos los sucesos en los que intervienen nios, la
respuesta a la cuestin 2 sera 1/3. En la Tabla 5.3.6 se presentan los objetos
matemticos implcitos en la solucin.
Tabla 5.3.5. Espacio muestral de la variable aleatoria
Hijo mayor Hijo menor
Chica Chica
Chica Nio
Nio Chica
Nio Nio

Tabla 5.3.6. Objetos matemticos implcitos en la solucin
Tipo Objetos matemticos Significado en la situacin
Problema
- Conocer la probabilidad de tener
dos hijos o hijas
- Calcular probabilidades
Lenguajes
- Verbal - Explicacin de la situacin
- Grfico - Diagrama en rbol
- Simblico - Expresar sucesos, probabilidades
- Numrico: Frecuencias - Resultados del experimento
- Icnico - Iconos que representan los sucesos y resultados
Conceptos
- Experimento aleatorio - Ser nio o nia
- Sucesos; espacio muestral - Nio/nia, nia/nia, nia/nio, nio/nio
- Experimento compuesto - Composicin de los experimentos anteriores
- Sucesos en el experimento
compuesto
- Producto cartesiano de los espacios muestrales
anteriores
- Interseccin de sucesos - Conjunto comn de sucesos.
- Probabilidad clsica - Proporcin de casos favorables a posibles.
- Probabilidad condicional - Proporcin de ocurrencia suceso respecto a la
ocurrencia de otro
Procedimientos
- Clculo probabilidades intuitivo - Aplicar reglas intuitivas
- Clculo probabilidades formal - Aplicar reglas de clculo formal
- Representacin grfica - Diagrama; esquema
Propiedades
- Diferencia probabilidad
condicionada y simple
- Restriccin del espacio muestral
- Regla del producto -
( ) ( ) ( ) = / P A R P A P R A

- Teorema probabilidad total - Aplicar a la situacin
Argumento
- Razonamiento deductivo - Demostracin de la solucin
- Razonamiento emprico - Comparar aciertos con distintas estrategias

Posibles dificultades
Esta paradoja tiene valor pedaggico, ya que ilustra una aplicacin interesante del
comportamiento de la probabilidad condicional. Fox y Levav (2004) utilizaron el
problema para analizar como los alumnos estiman las probabilidades condicionales. El
estudio encontr que el 85% de los participantes respondieron correctamente al primer
problema, mientras que slo el 39% respondi correctamente a la segunda pregunta. Los
autores alegaron que la razn se debe a la utilizacin ingenua de la heurstica de
Captulo 5

322
equiprobabilidad (Lecoutre, 1992), detectado entre los futuros profesores, tanto en
el Estudio 1, como en el Estudio 2.
Otro razonamiento errneo es suponer que la familia fuese seleccionada al azar y
se pidiese calcular la probabilidad de que los dos hijos fuesen nios, es decir, no se tiene
en cuenta la informacin de que uno es chico, lo que supone confusin entre
probabilidad condicional y conjunta, sesgo descrito por Pollatsek, Well, Konold y
Hardiman (1987), y Einhorn y Hogarth (1986) y encontrado en los Estudios 1 y 2.
Como observamos en la Figura 5.3.4.5, la probabilidad de que el primer hijo fuese chico
y el segundo tambin es de 1/4, ya que:
11 1
(1 2 ) (2 |1 ) (1 )
22 4
P Chico Chico P Chico Chico P Chico = = =


5.3.4.2. OTRAS PARADOJAS LIGADAS A LA INDEPENDENCIA Y A LA
PROBABILIDAD CONDICIONAL

En esta seccin, analizamos otras paradojas que cumplen los objetivos de este
estudio, sin pretender, como se ha dicho, ser exhaustivos.

Paradoja del cumpleaos
En sentido estricto, este problema no es una paradoja, ya que no tiene
contradiccin lgica en su solucin. Pero la solucin matemtica contradice la intuicin
comn. Este problema y su solucin fueron propuestos por Schnabel (1938) en la teora
de estimacin del total de poblacin de peces en un lago, bajo el nombre Captura-
recaptura estadstica. Una formulacin elemental de la paradoja es la siguiente:

Si hay 23 personas reunidas, hay una probabilidad del 50,7% de que al menos dos personas de ellas
cumplan aos el mismo da. Para 60 o ms personas la probabilidad es mayor del 99%.

Una respuesta errnea es pensar que si un ao tiene 365 das (366 si es bisiesto)
hara falta por lo menos un grupo de personas equivalente a la mitad de los das de un
ao (183 personas si redondeamos) para alcanzar una probabilidad de al menos un 50%.
Se supone que con 23 personas la probabilidad de ocurrencia de la afirmacin debera
de ser mucho menor.

Anlisis de recursos para la formacin de profesores

323
Solucin correcta
Una solucin correcta de este problema es la siguiente: Calculemos la
probabilidad aproximada de que en una habitacin de n personas, ninguna cumpla aos
el mismo da, desechando los aos bisiestos. Esta probabilidad viene dada por:
365 364 363 365 1
365 365 365 365
n
p
+
=

En la anterior solucin, calculamos probabilidades simples de que una segunda
persona no pueda tener el mismo cumpleaos que el primero (364/365), que una tercera
persona no puede tener el mismo cumpleaos que las dos primeras (363/365) y as
sucesivamente para un n dado. La probabilidad del suceso complementario 1-p en este
caso sera la probabilidad que al menos dos personas tengan el mismo da de
cumpleaos. Puesto que
364
1 1
365
n
p

=


para n=23 se obtiene una probabilidad
p=0.493 por lo que 1-p es alrededor de 0,507.

Tabla 5.3.7. Objetos matemticos implcitos en la solucin
Tipos Objetos matemticos en la situacin Significado en la situacin
Situaciones
problemas
- Calcular la probabilidad de que dos
personas tengan igual cumpleaos
- Solucin a la paradoja
Lenguajes
- Verbal - Explicacin de la situacin
- Simblico - Expresar sucesos, probabilidades,
fracciones y operaciones con fracciones
- Numrico: Fracciones - Probabilidades en forma de fraccin

Conceptos
- Experimento aleatorio - Cumpleaos de una persona
- Sucesos; espacio muestral - Personas 1, 2, 3, 23
- Fecha del cumpleaos (1 a 365)
- Mismo cumpleaos/distinto cumpleaos
- Experimento compuesto - Composicin de los experimentos
anteriores
- Sucesos en el experimento
compuesto
- Producto cartesiano de los espacios
muestrales anteriores
- Probabilidad clsica - Proporcin de casos favorables a posibles
- Probabilidad condicional - Proporcin de ocurrencia suceso respecto
a la ocurrencia de otro
- Interseccin de sucesos - Conjunto comn de sucesos
- Axiomas probabilidad - Explicitacin de los axiomas
Procedimientos
- Clculo de probabilidad intuitivo - Aplicar reglas intuitivas
- Clculo de probabilidad formal - Aplicar reglas de clculo formal
Propiedades
- Teorema de la probabilidad total - Aplicar a la situacin
- Regla del producto -
( ) ( ) ( ) = / P A R P A P R A

- Probabilidad del suceso
complementario
- La suma de la probabilidad de un suceso
y su complementario es la unidad


Captulo 5

324
La clave para entender la paradoja del cumpleaos es que hay muchas
probabilidades de encontrar parejas que cumplan aos el mismo da. Especficamente,
entre 23 personas, hay (2322)/2=253 pares de persona, cada uno de ellos un candidato
potencial para cumplir la paradoja. Sin embargo, si una persona entrase en una
habitacin con 22 personas, la probabilidad de que cualquiera cumpla aos el mismo da
que quien entra, es mucho ms baja. Esto es debido a que ahora slo hay 22 pares
posibles. En la Tabla 5.3.7 se presenta el anlisis semitico de esta solucin.

Dificultades posibles de los estudiantes
A priori, podemos identificar las siguientes posibles causas de este tipo de
razonamiento.
Razonamiento basado en el principio del palomar o principio de Dirichlet que parte
de que para tener una probabilidad del 100%, hay que tener 365 personas, por
ejemplo: Si se toman trece personas, al menos dos habrn nacido el mismo mes.
Otro posible problema es la incorrectapercepcin del espacio muestral descrito por
Gras y Totohasina (1995) y mostrada en algunos participantes de los Estudios 1 y 2.
La intuicin nos dice que necesitaramos al menos una cantidad de personas
proporcional a la mitad de das del ao para alcanzar el 50% de posibilidades sin
tener en cuenta la combinacin de parejas, 253 pares, que se pueden hacer con 23
elementos. El error se comete al plantear el problema como una probabilidad simple
sin tener en cuenta la informacin disponible para crear el espacio muestral
compuesto.
Otra explicacin posible del error es un deficiente razonamiento combinatorio de
los estudiantes. Segn Dubois (1984), podemos clasificar las configuraciones
combinatorias simples en tres modelos diferentes: Seleccin, que enfatiza la idea de
muestreo, colocacin, relacionado con el concepto de aplicacin y particin o divisin
de un conjunto en subconjuntos. El problema, en concreto, sera un problema
combinatorio de colocacin que tiene mucha dificultad para los estudiantes, pues no se
ensea explcitamente en secundaria. En un problema de colocacin se diferencian dos
parmetros: (a) Los objetos a colocar (en este caso las 23 personas) y las celdas donde
se colocan (en el ejemplo, 365 das del ao). Roa (2000) y Navarro-Pelayo (1994)
definen el error titulado confusin en el tipo de celdas, consistentes en pensar que
podramos distinguir celdas idnticas o que no es posible diferenciar las celdas
Anlisis de recursos para la formacin de profesores

325
distinguibles. En nuestro caso, las celdas son distinguibles, pues cada persona se puede
colocar en uno de los 365 das. Los alumnos pueden interpretar que las 22 personas
siguientes a la primera han de tener alguna de ellas el cumpleaos el mismo da de la
primera, por tanto, considerar celdas idnticas.

Paradoja de Simpson
Simpson (1951) public el problema posteriormente conocido como paradoja de
Simpson, o efecto de Yule-Simpson, ya que anteriormente este fue descrito por el
britnico G. Udny Yule. Este fenmeno muestra que en determinados casos se produce
un cambio en la asociacin o relacin entre un par de variables, ya sean cualitativas o
cuantitativas, cuando se controla el efecto de una tercera variable. Un ejemplo de una
situacin concreta donde se aplica este efecto viene dado por el siguiente enunciado:

Supongamos que se quiere realizar un estudio comparativo sobre dos hospitales de una determinada
ciudad, que llamaremos respectivamente A y B. Para ello la siguiente tabla muestra el nmero de
muertes tras las operaciones realizadas en cada uno de los hospitales.

Tabla 5.3.8. Tabla de contingencia de dos variables
Hospital A Hospital B
Mueren 63 16
Sobreviven 2037 784
Total de pacientes operados 2100 800

Si analizamos los datos de la Tabla 5.3.8, se puede observar que en el hospital A,
del total de los pacientes que se someten a una operacin muere el 3% (
63
2100
) y en el
hospital B del total de los pacientes operados muere un 2% (
16
800
). Por lo que
inicialmente, estos resultados nos podran llevar a pensar que el hospital ms seguro
para someterse a una operacin sera el hospital B.
La paradoja aparece cuando se tiene en cuenta otra variable que influye en las
anteriores, en este caso vamos a utilizar la variable: estado de salud de los pacientes
antes de la operacin. Para este ejemplo vamos a segregar los datos en dos tablas de
contingencia (5.3.9 y 5.3.10) donde se tiene en cuenta el estado de salud de los
pacientes antes de ser hospitalizados, y se clasifican los pacientes en dos grupos, los que
tenan buena salud y los que no.

Captulo 5

326
Tabla 5.3.9. Tabla de contingencia de tres variables (I)
Pacientes con buena salud Hospital A Hospital B
Mueren 6 8
Sobreviven 594 592
Total de pacientes operados 600 600

Tabla 5.3.10. Tabla de contingencia de tres variables (II)
Pacientes con salud delicada Hospital A Hospital B
Mueren 57 8
Sobreviven 1443 192
Total de pacientes operados 1500 200

Si analizamos la tasa de mortalidad de personas que han sido operadas en ambos
hospitales teniendo en cuenta el estado de salud antes de la operacin, se tiene que, del
total de paciente con buena salud que se operaron en el hospital A, fallecieron un 1%
(
6
600
) y de los que se operaron el B, no sobrevivieron un 1,3% (
8
600
). Por lo tanto bajo
estas condiciones parece mejor el hospital A. Estudiemos ahora el caso de pacientes con
salud delicada: Del total de los que se operaron en el hospital A un 3,8% (
57
1500
)
murieron y en el caso del hospital B el 4% (
8
200
), por lo que tambin podramos concluir
que el hospital A tiene una tasa de mortalidad de pacientes recin operados de salud
delicada mejor que la del hospital B.
Es aqu donde se presenta la paradoja, ya que sin tener en cuenta la variable
estado de salud de los pacientes, el hospital B tena mejor tasa de supervivencia, y sin
embargo si separamos los pacientes en dos grupos, los que tenan buena salud y los de
salud delicada, en cada uno de estos dos grupos, el hospital A obtuvo menor tasa de
mortalidad tras las operaciones.

Solucin correcta
La paradoja se resuelve observando la frecuencia total de pacientes que se opera
en uno y otro hospital en las dos ltimas tablas. La mayora de los pacientes que se
operan en el hospital A tienen una salud delicada y es de esperar que este tipo de
pacientes tenga mayor dificultad en sobrevivir tras una operacin, por lo que la tasa de
mortalidad en dicho hospital es mayor que en el hospital B, que tiene menos pacientes y
la mayora gozan de buena salud. En la Tabla 5.3.11 se presenta el anlisis semitico de
esta solucin.

Anlisis de recursos para la formacin de profesores

327
Dificultades posibles de los estudiantes
Un razonamiento errneo se comete cuando se interpretan los datos sin
considerarlos globalmente, es decir, sin tener en cuenta todas las variables que aparecen
en la situacin. Posibles explicaciones de este razonamiento son las siguientes:
Al calcular la probabilidad no tenemos en cuenta todos los elementos del espacio
muestral. Segn tomemos las variables que afectan a la asociacin entre
supervivencia y hospital, los sucesos toman una probabilidad u otra (Gras y
Totohasina, 1995). Supone un fallo en pasar de la idea espacio muestral (intensivo)
al espacio muestral concreto (extensivo), que apareci en algunos participantes en
los Estudios 1 y 2.

Tabla 5.3.11. Objetos matemticos implcitos en la solucin
Tipo Objetos matemticos Significado en la situacin
Problema - Eleccin del hospital - Determinar cul es el mejor hospital para operarse
Lenguajes
- Verbal - Explicacin de la situacin
- Simblico - Expresar sucesos, probabilidades
- Numrico: Porcentajes - Probabilidades en porcentaje
- Numrico: Frecuencias - Nmero de pacientes con cada condicin
- Icnico - Iconos que representan los sucesos y resultados
Conceptos
- Experimento aleatorio - Elegir hospital
- Sobrevivir/No sobrevivir
- Estado de salud
- Sucesos; espacio muestral - Hospital A y B
- Sobrevivir/No sobrevivir
- Salud delicada/No salud delicada
- Experimento compuesto - Composicin de los experimentos anteriores
- Sucesos en el experimento
compuesto
- Producto cartesiano de los espacios muestrales
anteriores
- Frecuencia relativa - xitos / nmero experimentos
- Interseccin de sucesos - Conjunto comn de sucesos.
- Unin de sucesos - Sucesos en uno u otro conjunto
- Probabilidad clsica - Proporcin de casos favorables a posibles.
- Axiomas probabilidad - Explicitacin de los axiomas
- Probabilidad condicional - Proporcin de ocurrencia suceso respecto a la
ocurrencia de otro
Procedimientos
- Clculo de probabilidad
formal
- Aplicar reglas de clculo formal
- Clculo de probabilidad
frecuencial
- Estimar la probabilidad mediante la frecuencia
- Comparacin de
probabilidades
- Comparar los resultados para decidir cul es mejor
Propiedades
- Diferencia probabilidad
condicionada y simple
- Restriccin del espacio muestral
- Regla de la suma - Si A y B son independientes
( ) ( ) ( ) P A B P A P B = +

- Regla del producto -
( ) ( ) ( ) = / P A R P A P R A

- Axioma de unin - La probabilidad de la suma es suma de
probabilidades
Captulo 5

328
Argumento
- Razonamiento deductivo - Demostracin de la solucin
- Razonamiento emprico - Comparar supervivencia con distintas estrategias

En relacin al estudio de la asociacin entre las dos variables, se olvida una
condicin necesaria en dicho estudio que es el aislamiento de otras variables
espreas. Esto quiere decir, que los pacientes que asisten a cada hospital, en el
ejemplo, debieran suponerse elegidos al azar (lo cual evidentemente no se cumple,
pues la tasa de pacientes con buena salud es muy diferente en cada uno de los
hospitales). Si existe una variable no controlada que afecta en forma desigual a los
dos grupos, el valor real del coeficiente de asociacin entre dos variables puede
aumentar, disminuir o incluso cambiar de signo.

La Paradoja de los dos sobres
La paradoja de los dos sobres tambin conocida como paradoja del
intercambio o problema de las dos billeteras fue propuesta por Kraitchik (1953). Se
recoge tambin en Gardner (1982). Una formulacin sencilla de esta paradoja es la
siguiente:

Dos personas, igualmente ricas, se renen para comparar el contenido de sus carteras. Cada uno
ignorando el contenido de las dos carteras. El juego es el siguiente: cualquiera que tenga menos dinero
recibe el contenido de la otra cartera (en el caso de que las cantidades sean iguales, no hay
intercambio). Es un juego equitativo? Quin tiene ventaja?

Nalebuff (1989) presenta la variante del juego mediante dos sobres, que es la
forma en que la paradoja se ha presentado con mayor frecuencia desde entonces.

Un benefactor pone una cierta cantidad de dinero, x en un sobre; y pone el doble de esa cantidad, 2x, en
otro sobre. La cantidad x, as como la identificacin del sobre que tiene la cantidad mayor, las
desconoces. Para hacerlo ms incierto, el benefactor selecciona al azar uno de los sobres y te lo regala.
El contenido de ese sobre es tuyo. Lo cambias o te quedas con el tuyo?

El razonamiento que habitualmente nos planteamos y puede conducir a error es el
siguiente: Como sabemos, en uno de los sobres hay una cantidad x y por tanto el otro
sobre puede tener o bien 2x o bien x/2. Elegimos un sobre (la probabilidad de elegir un
sobre y de que tengamos una de las cantidades es de 1/2). Calculamos la esperanza
matemtica de la cantidad que contiene el otro sobre, es decir el valor esperado en
Anlisis de recursos para la formacin de profesores

329
funcin de los datos de los que dispongo. Por definicin, la esperanza ser la suma de
las probabilidades de ocurrencia por la cantidad de cada uno, es decir:
[ ] 0,5 2 0,5 / 2 1,25 E x x x x = + = .
Ya que suponemos que x es un valor mayor que la unidad, 1,25x es mayor que x,
al concursante le vendra bien elegir el otro sobre ya que la cantidad esperada es mayor
que la posee. Lo paradjico es que habramos razonado exactamente igual si cambiamos
de sobre inicial, por lo que en cualquier caso conviene cambiar de sobre.

Tabla 5.3.12. Objetos matemticos implcitos en la solucin
Tipo Objetos matemticos Significado en la situacin
Problema - Eleccin del sobre - Determinar cul es la mejor eleccin
Lenguajes
- Verbal - Explicacin de la situacin
- Simblico - Expresar sucesos, probabilidades
- Numrico - Cantidad de dinero en los sobres; valores de las
probabilidades y la esperanza
Conceptos
- Experimento aleatorio - Elegir sobre
- Dinero en cada sobre
- Sucesos; espacio muestral - Sobre A y B
- 2000; 1000
- Experimento compuesto - Composicin de los experimentos anteriores
- Sucesos en el experimento
compuesto
- Producto cartesiano de los espacios muestrales
anteriores
- Probabilidad clsica - Proporcin de casos favorables a posibles
- Axiomas probabilidad - Explicitacin de los axiomas
- Probabilidad condicional - Proporcin de ocurrencia suceso respecto a la
ocurrencia de otro
- Regla de la suma - Probabilidad de ganar
- Regla del producto - Probabilidad conjunta; dependencia
- Esperanza - Valor esperado de una variable
- Variable aleatoria - Cantidad de dinero en cada sobre
Procedimientos
- Clculo de probabilidad formal - Aplicar reglas de clculo formal
- Clculo de la esperanza
matemtica
- Encontrar el valor esperado a partir de los
sucesos y su probabilidad
Propiedades
- Diferencia probabilidad
condicionada y simple
- Restriccin del espacio muestral
- Esperanza matemtica - Suma de productos de valores de la variable
multiplicado por su probabilidad
- Axioma de unin - La probabilidad de la suma es suma de
probabilidades
Argumento - Razonamiento deductivo - Demostracin de la solucin

Solucin correcta
Para resolver correctamente el problema hay que suponer una cantidad concreta
en cada sobre. Supongamos que un sobre tiene 1000 euros y el otro tiene 2000. Con el
razonamiento anterior, esperaramos ganar 1500 euros cambiando de sobre. Pero, si
abrimos el sobre de 1000 euros, no es cierto que el otro tenga 2000 o 500 euros con
Captulo 5

330
probabilidad 1/2, sino que tiene 2000 con probabilidad 1. Si elegimos el sobre de 2000
euros el otro tiene 1000 con probabilidad igual a 1. Luego el valor esperado a ganar si
cambiamos de sobre sera la probabilidad de elegir el sobre con 2000 euros,
multiplicado por la ganancia esperada si se elige este sobre ms la probabilidad de elegir
el sobre con los 1000 euros multiplicado por la ganancia esperada; es decir
( ) 1000 1000
0
2

=
y por tanto da igual cambiar o no de sobre. En la Tabla 5.3.12 se
presenta el anlisis semitico de esta solucin.

Dificultades posibles de los estudiantes
El fallo de este razonamiento se debe a la asignacin incorrecta de
probabilidades. Ello es debido a que, para resolver el problema, partimos de
probabilidades calculadas antes de conocer la ganancia esperada, en lugar de las
probabilidades a posteriori. Pero, en la situacin dada, el resultado del experimento
modifica las probabilidades de los sucesos, lo cual es contra intuitivo para los
estudiantes, quienes no comprenden que un suceso que ocurre a posteriori pueda
modificar una probabilidad de otro que se dio anteriormente. Es decir, encontramos de
nuevo un ejemplo de aplicacin de la falacia del eje de tiempos (Falk, 1986) que se
present en una proporcin importante de los profesores participantes en el Estudio 2.

Paradoja de la divisin de las apuestas
Este problema, uno de los que origin el clculo de probabilidades y que interes
a los matemticos durante un largo periodo histrico, fue propuesto por primera vez por
Fray Luca Pacioli en su obra Summa de arithmetica, geometria, proportioni et
proportionalit. Una formulacin elemental de este problema es la siguiente:

Dos jugadores compiten por un premio que se asigna despus de que uno de ellos haya ganado n
partidas en un juego. En un determinado momento, se tiene que parar el juego, y un jugador lleva
mayor nmero de partidas ganadas que el otro. Cmo debe dividirse la apuesta entre los dos
jugadores?

De acuerdo a Szkely (1986), Pacioli sugiri una solucin de reparto proporcional
a la cantidad de puntos obtenido por cada jugador al momento de interrumpir el juego.
Dicha solucin no fue aceptada, pues slo tena en cuenta lo que haba ocurrido en la
Anlisis de recursos para la formacin de profesores

331
partida hasta el momento que se interrumpe, y no lo que pudiera suceder a continuacin.
Incluso cuando en un momento dado, un jugador tenga ventaja, el partido todava podra
haber sido ganado por su oponente si no se hubiera interrumpido. Szkely indica que
otras soluciones incorrectas fueron publicadas por Tartaglia en Trattato generale di
numeri et misure y Cardano en Practica arithmeticae generalis. En dichas
soluciones, aunque ya se tiene en cuenta el carcter aleatorio del experimento, no se
llega a una correcta enumeracin del espacio muestral, ni se calcula correctamente la
esperanza matemtica del juego.

Solucin correcta
La solucin correcta fue dada por Pascal y Fermat, quienes en su correspondencia
fijan las bases de la teora de la probabilidad. Consideran por primera vez el conjunto de
todas las posibilidades en este juego (que posteriormente llamaramos espacio muestral)
y resolvieron el problema para una partida con dos jugadores, pero no desarrollan una
solucin completa. La solucin general al problema sera obtenida por Huygens en
1657, mediante la introduccin de un nuevo concepto que denomina expectatio y que
formalizado dara lugar a lo que hoy conocemos como esperanza matemtica o
cantidad que se espera ganar en un juego equitativo.

Figura 5.3.3. Posibles resultados en el juego, en las condiciones dadas

Explicaremos, a continuacin un caso particular de la solucin dada por Pascal en
su correspondencia con Fermat. En este ejemplo, suponemos que el ganador es el
jugador que alcanza primero 6 xitos (6 caras 6 cruces) y suponemos que el juego se
interrumpe en el noveno lanzamiento obtenindose el resultado 5 a 4 y por tanto no hay
un ganador. El Caballero de Mer crea que lo ms justo era repartir las apuestas en la
relacin 5 a 4 pero Pascal demostr que las apuestas deban repartirse en la relacin 3 a
1, si se toma en consideracin que, de continuar el juego, quien lleva 5 xitos tiene 3
Captulo 5

332
veces ms posibilidades de ganar el juego que su contrincante. Supongamos que quien
apuesta por cara lleva 5 xitos (ver Figura 5.3.3). Si a partir de las condiciones dadas,
calculamos las probabilidades de ganar apostando por cara y por cruz tenemos:
1 1 1 3
( ) 1
2 2 2 4
P Ganar C = + =
1 1 1 1
( ) 0
2 2 2 4
P Ganar + = + =

En la Tabla 5.3.13 se presenta el anlisis semitico de esta solucin.

Tabla 5.3.13. Objetos matemticos implcitos en la solucin
Tipo Objetos matemticos Significado en la situacin
Problema - Reparticin de la ganancia - Determinar la mejor reparticin
Lenguajes
- Verbal - Explicacin de la situacin
- Grfico - Diagrama en rbol
- Simblico - Expresar sucesos, probabilidades
- Numrico - Resultados en el juego, valores de las
probabilidades
Conceptos
- Experimento aleatorio - Tirar las monedas
- Sucesos; espacio muestral - Cara/cruz
- Ganar/no ganar
- Experimento compuesto - Composicin de los experimentos anteriores
- Unin de sucesos - Sucesos en uno u otro conjunto
- Probabilidad clsica - Proporcin de casos favorables a posibles.
- Axiomas probabilidad - Explicitacin de los axiomas
- Probabilidad condicional - Proporcin de ocurrencia suceso respecto a la
ocurrencia de otro
- Variable aleatoria - Nmero de caras y cruces en cada momento
del juego
- Nmero de partidas necesarias para acabar el
juego
Procedimientos
- Clculo de probabilidad formal - Aplicar reglas de clculo formal
- Clculo de probabilidad intuitivo - Aplicar reglas intuitivas de clculo
- Representacin grfica - Diagrama; esquema
Propiedades
- Diferencia probabilidad
condicionada y simple
- Restriccin del espacio muestral
- Regla de la suma - Probabilidad de ganar
- Regla del producto - Probabilidad conjunta; dependencia
- Teorema de la probabilidad total - Aplicar a la situacin
- Axioma de unin - La probabilidad de la suma es suma de
probabilidades
Argumentos - Razonamiento deductivo - Demostracin de la solucin

Dificultades posibles de los estudiantes
Como en los casos anteriores, son varios los razonamientos errneos (algunos
sostenidos por matemticos famosos) los que puede llevar a una incorrecta solucin a
este problema. No es extrao, en consecuencia que puedan aparecer en la clase de
probabilidad o incluso sean compartidas por los profesores:
Anlisis de recursos para la formacin de profesores

333
Razonamiento determinista sobre el problema. Una de las dificultades a las que se
puede llegar en el razonamiento de este problema es la misma que plante el
caballero de Mer a Pascal y que condujo al nacimiento de la teora de la
probabilidad tal como la conocemos. El Caballero de Mer crea que lo ms justo
era repartir las apuestas en la relacin 5 a 4, sin tener en cuenta la ventaja del
jugador que iba ganando o las posibilidades del otro de ganar. Este razonamiento,
errneo, resuelve el problema en forma determinista, dndole un sentido aritmtico.
El razonamiento es comn en este tipo de problemas ya que la lgica dice que se
debe de repartir el dinero equitativamente atendiendo al puntaje acumulado por cada
bando al interrumpirse el juego. Este razonamiento coincide con el seguido por
Paciolli o Tartaglia para su resolucin.
Los estudiantes podran mostrar una percepcin incorrecta de la independencia, que
apareci en algunos participantes en el Estudio 2, pensando que, en este juego, la
probabilidad de ganar sigue siendo 1/2, independientemente de los resultados a
favor de cada jugador. Esta solucin es razonable, puesto que sabemos que,
independientemente de que se haya producido una racha de caras o cruces la
probabilidad de cara o cruz no vara. Sin embargo, puesto que no estamos buscando
la probabilidad de una cara o cruz, sino de cinco acumuladas, ser ms sencillo para
aqul jugador que lleve ventaja.

Paradoja de Condorcet
El anlisis de los mtodos de votacin pretende conseguir una forma de eleccin
lo ms cercana posible al sentir de la mayora del cuerpo electoral. El problema de
elegir un buen mtodo de asignacin de escaos, se puso de manifiesto por Antoine de
Caritat Condorcet, sobre 1780, en uno de sus principales trabajos: el Ensayo sobre la
aplicacin del anlisis a la probabilidad de las decisiones sometidas a la pluralidad de
voces. En dicho trabajo, que fue elaborado por su autor para intentar hallar el nmero
ptimo de miembros de un jurado en los Tribunales Populares de J usticia, instaurados
por la Revolucin Francesa. Condorcet demostr que los sistemas de votacin que
aplican la regla de aceptar simplemente la opinin de la mayora, podran no llegar a
una situacin concluyente.
La paradoja advierte que, aunque las preferencias individuales en las votaciones
tienen propiedad transitiva (si una persona prefiere al candidato A frente al B y prefiere
Captulo 5

334
al B frente al C), no tiene por qu haber transitividad en las preferencias colectivas (si la
mayora de un grupo de personas prefiere al candidato A frente al B y tambin la
mayora del mismo grupo prefiere a B frente a C, esto no implica que la mayora del
grupo prefiera a A frente a C). Esta es una de las situaciones, aunque no la nica, en que
la propiedad transitiva no se aplica en el clculo de probabilidades (Szkely. 1986).

Solucin correcta
Para dar una solucin intuitiva a esta paradoja usaremos el ejemplo presentado en
el servidor Matemticas Educativas, en el epgrafe matemticas del voto
(www.iescarrus.com/edumat/taller/votaciones/votaciones_02.htm). Supongamos que
tenemos 49 votantes que tienen que elegir entre tres candidatos X, Y y Z. Como es
normal, cada votante tiene sus propias preferencias, por tanto es posible que un votante
prefiera al candidato X antes que al Y y al Y antes que al candidato Z, por lo tanto
tambin preferir a X antes que al candidato Z. Es decir existe una transitividad entre las
preferencias y ello nos permite asociar a cada votante con un orden de preferencias
(X>Y>Z). En la Tabla 5.3.14 hemos presentado todos los posibles rdenes de
preferencia que se pueden dar entre tres candidatos y unas frecuencias posibles, dentro
de la muestra de 49 personas.

Tabla 5.3.14. Posibles frecuencias de las preferencias entre tres candidatos
X>Z>Y Z>X>Y Z>Y>X Y>Z>X Y>X>Z X>Y>Z
21 3 4 16 5 0


Si se tienen en cuenta estas preferencias, en una primera vuelta de las elecciones,
se elegira el candidato preferido por ms personas, y por tanto los resultados seran los
siguientes: El candidato X tiene 21 (21+0) votos, el Y 21 votos (16+5), y el candidato Z
tiene 7 votos (3+4) y se produce un empate.
Supongamos que para romper el empate entre X e Y se realiza una nueva votacin,
en la que slo se puede votar a los candidatos que empataron en la primera vuelta, lo
que es habitual en muchos sistemas de votacin. En este supuesto, los votos del
candidato Z pasan al resto de candidatos segn la segunda preferencia. Los resultados
entonces son: X, 24 votos (21+3) e Y, 25 votos (4+16+5) y por tanto ganara el
candidato Y con 25 votos frente a los 24 de X.

Anlisis de recursos para la formacin de profesores

335
Aparentemente esto resuelve el problema y habra que dar el puesto a Y. Sin
embargo, si analizamos el nmero de personas que prefieren a Z antes que a Y, se
observara que hay 21 personas que prefieren a Y y 28 que prefieren a Z, por lo que
debiera elegirse a Z. Por otro lado 26 personas prefieren a candidato X antes que a Z
mientras que slo 23 prefieren a Z antes que al X.
El resultado es paradjico porque implica que la voluntad de mayoras parciales
entra en conflicto entre s. En otras palabras es posible que un procedimiento de
eleccin falle el criterio de que siempre hay un ganador. El hecho de que una mayora
prefiera a X antes que a Z y a Z antes que a Y, no conduce necesariamente a que
prefieran a X antes que a Y. Se produce un proceso cclico. En la Tabla 5.3.15 se
presenta el anlisis semitico de esta solucin.

Tabla 5.3.15. Objetos matemticos implcitos en la solucin
Tipo Objetos matemticos Significado en la situacin
Problema - Elegir al candidato - Determinar el candidato ganador
Lenguajes
- Verbal - Explicacin de la situacin
- Simblico - Expresar sucesos, probabilidades
- Numrico - Nmero de personas que prefieren a cada candidato
Conceptos
- Experimento aleatorio - Candidato preferido por cada persona
- Orden de preferencia de cada persona entre tres
candidatos
- Sucesos; espacio muestral - Candidato ganador. Posibles permutaciones del orden
de preferencia
- Orden - Orden de preferencia de candidatos
- Comparacin de
probabilidades
- Comparacin de preferencias de los tres candidatos
- Unin de sucesos - Preferir a un candidato antes que a otro
Procedimientos - Clculo de probabilidades - Aplicar reglas de clculo intuitivo
Propiedades
- Regla de Laplace - Casos favorables/casos posibles
- No transitividad de la
probabilidad
- La probabilidad no tiene propiedad transitiva
Argumentos
- Razonamiento deductivo - Demostracin de la solucin
- Razonamiento emprico - Comparar preferencias individuales

Dificultades posibles de los estudiantes
El principal razonamiento errneo que puede darse en este problema es pensar que
la propiedad transitiva se aplica a la probabilidad. Este error se presenta por un fallo en
el proceso de generalizacin, ya que se aplica una propiedad (transitiva) a un caso
inapropiado. El error es lgico porque los alumnos encuentran la propiedad transitiva en
otras situaciones, por ejemplo, la ordenacin numrica y por ello se puede crear un
obstculo cuando trabajan problemas de probabilidad, Como en otros obstculos, el
error aparece no por falta de conocimiento, sino por un conocimiento anterior que no es
Captulo 5

336
vlido en la situacin propuesta. Aunque no se ha investigado especficamente este error
en los Estudios 1 y 2, si se observaron en los mismos casos de participantes que
realizaban un proceso incorrecto de generalizacin.

5.3.5. PROCESOS MATEMTICOS

Al igual que en el anlisis de los recursos en Internet que llevamos a cabo en la
seccin 5.2, adems del uso diferentes tipos de objetos matemticos, podemos observar
que en el trabajo con paradojas se usan implcitamente varios de los procesos
matemticos descritos por Godino, Font y Wilhelmi (2008). Seguidamente enumeramos
los diferentes procesos que podemos observar en el uso de las paradojas.

Procesos de materializacin-idealizacin:
Los objetos a los que hacen referencia las paradojas (cajas, sobres, monedas para el
reparto, prisioneros) e incluso las acciones que realizamos con ellos (abrir una
caja, hacer una tirada,) son objetos imaginarios que son representados por el texto
del problema, es decir por objetos visibles u ostensivos.
Las operaciones aritmticas se representan simblicamente; por ejemplo X/2
representa la operacin de dividir una cantidad en dos partes y tambin el resultado
de la divisin, que es un nmero real que no percibimos directamente.
Los diferentes smbolos representan propiedades, conceptos u operaciones. Por
ejemplo, Z>X>Y representa en forma visible un orden.
El diagrama en rbol de las soluciones intuitivas representa, por un lado la
estructura del experimento (por pasos) y en cada paso, los resultados del
experimento y sus probabilidades.

Procesos de particularizacin generalizacin (dualidad extensivo intensivo):
Sabemos que la suma total de todas las probabilidades de los sucesos en un
experimento es la unidad. En cada ejemplo, particularizando llegamos a las
probabilidades de los sucesos dados. Por ejemplo, en el problema del chico- chica
deducimos que la probabilidad inicial de tener una chica es 1/2.
En la paradoja de Bertrand vemos que si suponemos que la moneda es de plata
estamos obteniendo el doble de aciertos que si elegimos la de oro. Aunque no
Anlisis de recursos para la formacin de profesores

337
sepamos por qu, aceptamos (generalizando) que la probabilidad de acierto es
mayor.
Conocemos el axioma de la unin que se cumple en forma general. Para cada
problema concreto, lo aplicamos para calcular la probabilidad total o la probabilidad
de la unin de dos o ms sucesos (aunque se cumple para cualquier nmero de
sucesos, ac particularizamos para cada caso).
Procesos de representacin significacin:
Por ejemplo, el objeto probabilidad lo representamos por la letra P; La
probabilidad de un suceso que denominamos A lo representamos mediante P(A). A
(el suceso) a su vez representa un resultado.

Procesos de descomposicin reificacin (dualidad sistmico unitario):
Cada suceso de un experimento aleatorio es elemental. Pero el espacio muestral del
experimento es sistmico.
Cada resultado de un experimento es elemental, pero la frecuencia relativa o el
porcentaje de veces que ocurre un resultado se calcula como una operacin sobre el
total de los resultados al realizar n veces el experimento.
Cada rama del diagrama en rbol es elemental, mientras que todo el diagrama en
rbol es sistmico.
Procesos de personalizacin - institucionalizacin (dualidad personal institucional):
Como en el caso de los recursos en Internet, al comenzar un proceso de estudio
basado en el trabajo con paradojas ser necesario lograr que los estudiantes asuman
el problema y se involucren en su solucin. Pensamos que esto se consigue
totalmente con estas paradojas pues aumenta el inters del alumno y olvida que se
trata de una clase de matemticas. Ha personalizado la situacin.
El proceso inverso es pasar de lo personal a lo institucional. Esto lo logra el maestro
cuando discute colectivamente con los estudiantes para decidir cules de las
soluciones son correctas y por qu.




Captulo 5

338
5.3.6. IDONEIDAD DIDCTICA DEL TRABAJO CON LAS PARADOJAS

En lo que sigue, analizamos la idoneidad del trabajo con paradojas, siguiente lo
expuesto por Godino, Wilhelmi y Bencomo (2005); Godino, Contreras y Font (2006).
Dichos autores definen la idoneidad didctica como la articulacin de seis componentes
cada uno de los cuales puede presentarse en mayor o menor grado en el trabajo con
paradojas.
Idoneidad epistmica o matemtica: Representatividad de los significados
institucionales implementados (o pretendidos), respecto de un significado de
referencia. Pensamos que las paradojas, podran tener una idoneidad matemtica en
el estudio de los conceptos de: Probabilidad condicional, experimento compuesto,
dependencia e independencia y experimentos dependientes e independientes. Para
conseguir esta idoneidad en los cursos dirigidos a profesores sera necesario que los
participantes primero realicen algunas simulaciones de la situacin y, a
continuacin, el formador pida que encuentren la solucin correcta al problema.
Debido al carcter contra-intuitivo de las paradojas, surgir ms de una solucin
(algunas incorrectas). El formador debe listar todas las soluciones sugeridas por los
profesores en la pizarra y posteriormente sera organizado un debate para decidir
cul es la mejor solucin. El objetivo de este debate, donde es posible tanto el
razonamiento correcto como los conceptos errneos, es aumentar el conocimiento
probabilstico del maestro. Si no hay acuerdo final, los participantes sern animados
a realizar una demostracin matemtica de su solucin y se organizar un debate
que permitir revelar los razonamientos errneos.
Idoneidad cognitiva: Grado en que los significados pretendidos/implementados son
asequibles a los alumnos, as como si los significados personales logrados por los
alumnos son los significados pretendidos por el profesor. Pensamos que la situacin
planteada tiene suficiente idoneidad en cursos de formacin de profesores, sobre
todo de profesores de secundaria que son licenciados en matemticas. Asimismo
podra tener idoneidad suficiente en los ltimos cursos de secundaria o Bachillerato,
pues los razonamientos descritos estn al alcance de los alumnos.
Idoneidad interaccional: Grado en que la organizacin de la enseanza permite
identificar conflictos semiticos y resolverlos durante el proceso de instruccin. Este
tipo de idoneidad depender de cmo organiza el educador el trabajo en el aula. Ser
Anlisis de recursos para la formacin de profesores

339
importante que los estudiantes trabajen en grupos para que surja el conflicto y se
explicite. Tambin se les pedir organizar una solucin colectiva de las soluciones
para que los mismos alumnos ayuden a sus compaeros a detectar los puntos
equivocados.
Idoneidad mediacional: Disponibilidad y adecuacin de los recursos necesarios para
el desarrollo del proceso de enseanza-aprendizaje. No se precisa de muchos
recursos, pues incluso podra hacerse una simulacin con objetos fsicos. Pero con
ayuda de un sobre o una caja o unas tarjetas los alumnos pueden trabajar estas
paradojas.
Idoneidad emocional: Inters y motivacin del alumnado en el proceso de estudio.
Pensamos que esta es la ms alta de todas con estas paradojas, ya que sin duda
intrigan e interesan a todo el que trata de resolverlas.

Para acabar esta parte, recordamos que Gonzlez (2004) seala que el uso de la
historia con fines didcticos depende del conocimiento histrico del profesor y su
iniciativa para adaptar este saber a los intereses y necesidades del grupo, por lo que ha
de exponer los avances de la disciplina junto con su estado actual terico y de
aplicabilidad. El estudio de la historia de la probabilidad y de las paradojas asociadas a
la misma ser entonces un componente importante en la preparacin de formadores.

5.3.7. CONCLUSIONES DEL ESTUDIO 4

En el Estudio 4 hemos realizado un anlisis de algunas paradojas ligadas a la
probabilidad condicional e independencia para valorar su utilidad potencial en la
formacin de profesores. Los objetivos planteados fueron los siguientes:
1. Seleccionar algunas paradojas cuya solucin pueda abordarse con conocimientos
elementales de probabilidad condicional e independencia. Habra de tener potencial
para organizar un debate en torno a las cuestiones matemticas y didcticas, para
contribuir a aumentar el conocimiento del profesor.
2. Realizar un anlisis de los objetos matemticos puestos en juego en las posibles
soluciones de las paradojas seleccionadas, similar al realizado en el Estudio 3 con
los recursos en Internet e identificar algunos posibles conflictos semiticos que
pudiesen surgir durante su solucin.
Captulo 5

340
3. Valorar los procesos matemticos utilizados en el trabajo con las paradojas
seleccionadas y la idoneidad didctica de este recurso en los cursos de formacin de
profesores.
La hiptesis que plantada fue que el anlisis de las paradojas nos permitira
mostrar una variedad de objetos matemticos involucrados en sus posibles soluciones,
as como dificultades y conflictos potenciales relacionados con las dificultades
descritas en las investigaciones previas y las encontrados en los Estudios 1 y 2.
Asimismo esperbamos mostrar la idoneidad didctica de este recurso para la
formacin de profesores.
Mediante el estudio realizado se han cumplido razonablemente los objetivos y se
ha confirmado la hiptesis, pues hemos seleccionado algunas paradojas cuya solucin
pueda abordarse con conocimientos elementales de probabilidad condicional e
independencia. Asimismo se ha realizado el anlisis de los objetos matemticos puestos
en juego en las posibles soluciones, identificado algunos posibles conflictos semiticos
que puedan surgir durante su solucin y que fueron observados en los Estudios 1 y 2.
Valoramos, asimismo, la alta idoneidad didctica de este recurso en los cursos de
formacin de profesores.
Los resultados muestran la utilidad potencial e idoneidad didctica de dichas
paradojas en la formacin de profesores. Estos necesitan apoyo y formacin adecuada
para tener xito en el logro de un equilibrio adecuado de la intuicin y el rigor en la
enseanza de la probabilidad. Lamentablemente, no todos los profesores reciben una
buena preparacin para ensear probabilidad en su formacin inicial, como sealan
Franklin y Mewborn (2006).
Autores como Len (2009) indican que la historia de la probabilidad presenta
situaciones muy atractivas que pueden conducir a reflexionar sobre la presencia del azar
en la cotidianidad adems de servir de motivacin hacia el estudio por parte de los
alumnos. Como muestran Basulto y Camuez (2007), cuando un estudiante, o en
nuestro caso un futuro profesor, aborda la resolucin de problemas histricos en el
clculo de probabilidades, el contexto en el que se plantea el problema en la historia y
las tcticas de resolucin de los primeros autores, puede dar una motivacin aadida al
alumno y llevarlos a un aprendizaje a partir de los errores y aciertos que estos cometan.
En el trabajo con las paradojas analizadas se pueden identificar algunas ideas
fundamentales descritas por Heitele (1975): Sucesos y espacio muestral, probabilidad y
Anlisis de recursos para la formacin de profesores

341
convergencia, operaciones combinatorias, las reglas de adicin y multiplicacin de
probabilidades, independencia, probabilidad condicionada, variable aleatoria,
equidistribucin y simetra, esperanza matemtica y muestreo. Por tanto, actividades
como la que se analizan en este apartado y anlisis como los proporcionados en este
estudio proporcionan una fuente de conocimiento matemtico del contenido al profesor.
Adems, el trabajo con las paradojas en los cursos para profesores puede servir
para aumentar los conocimientos didcticos del contenido probabilidad de los docentes
en algunas componentes de los conocimientos matemtico-didcticos descritos por
Godino (2009):
Componente epistmica: Al hacer reflexionar al futuro profesor sobre los diversos
significados histricos de la probabilidad (subjetiva, frecuentista y clsica) y las
controversias ligadas a su definicin en diferentes momentos histricos; el anlisis
de los objetos y procesos matemticos de las soluciones, aumenta su conocimiento
especializado del contenido.
Componente cognitivo: Al experimentar el profesor dificultades similares a las que
puede encontrar sus estudiantes aumenta su conocimiento del contenido y los
estudiantes. El estudio de las dificultades de los estudiantes con los conceptos de
probabilidad condicional e independencia y sus posibles razonamientos y estrategias
correctas e incorrectas para resolver el problema tambin contribuye a este
conocimiento.
Componente afectivo: Experimentando nuevos mtodos de enseanza, basados en el
juego, experimentacin y debate, que permite aumentar el inters de los alumnos y
su participacin en la actividad.
Componente interaccional: Aumentando su experiencia sobre la forma de organizar
el discurso y el tiempo didctico y de hacer aflorar y resolver los conflictos
cognitivos de los estudiantes.
Componente ecolgico: Dado que la actividad se puede conectar con el estudio de
las concepciones errneas sobre el azar (psicologa) y con los problemas sociales
relacionados con la adiccin a los juegos de azar (sociologa).
342


343


CAPTULO 6
EVALUACIN DE UNA EXPERIENCIA DE FORMACIN
DE PROFESORES


6.1. Introduccin
6.2. Objetivos e hiptesis del Estudio 5
6.3. Material y mtodo
6.4. Descripcin del taller y anlisis a priori
6.4.1. Primera parte. Resolucin de problemas
6.4.2. Segunda parte. Anlisis didctico
6.4.2.1. Objetos matemticos implcitos
6.4.2.2. Anlisis de posibles conflictos de los estudiantes
6.4.2.3. Anlisis de configuraciones didcticas
6.5. Descripcin de la muestra y el contexto
6.6. Conocimientos matemticos sobre probabilidad condicional
6.6.1. Estrategias iniciales
6.6.2. Estrategias finales
6.6.3. J ustificacin de las estrategias
6.7. Conocimientos didcticos sobre la probabilidad condicional
6.7.1. Conocimiento especializado del contenido
6.7.2. Conocimiento del contenido y el estudiante
6.7.3. Conocimiento del contenido y la enseanza
6.8. Conclusiones del Estudio 5



6.1. INTRODUCCIN

En los captulos 3 y 4 se presentaron los resultados de los Estudios 1 y 2, en los
que analizamos una parte de los conocimientos matemticos de profesores en formacin
de educacin primaria y secundaria con relacin a la probabilidad condicional,
mostrando algunas de sus carencias, tanto en las estrategias de resolucin de problemas,
como en la comprensin y aplicacin de las ideas de probabilidad condicional e
independencia. Asimismo mostramos la existencia de algunos sesgos en el
razonamiento probabilstico condicional de estos futuros profesores.
Por otro lado, en el captulo 5 (Estudios 3 y 4) hemos llevado a cabo un estudio de
posibles recursos didcticos que permiten mejorar el conocimiento de los profesores con
relacin a la probabilidad condicional. Se mostr que dichos recursos tienen un gran
potencial para poder plantear talleres y actividades dirigidas a los profesores que permita
profundizar simultneamente en su conocimiento matemtico y su conocimiento
Captulo 6


344
didctico del contenido sobre probabilidad condicional, como hemos mostrado en
Batanero, Contreras, Daz y Arteaga (2009) y Contreras, Daz, Batanero y Ortiz (2010).
Basndonos en los resultados de los cuatro estudios anteriores, en este captulo se
evala una experiencia formativa dirigida a profesores de educacin secundaria, tanto en
su etapa de formacin, como en ejercicio. Analizamos, en primer lugar los
conocimientos matemticos de los participantes y seguidamente, describimos su
evolucin como consecuencia de la actividad formativa, que est basada en una paradoja
clsica de probabilidad analizada en el Estudio 4.
El taller plantea, en primer lugar, una actividad matemtica que permite evaluar
los conocimientos previos de los participantes sobre este objeto matemtico, as como
los posibles sesgos de razonamiento descritos en la literatura, algunos de los cules
hemos descrito en el captulo 2 y fueron evaluados en los Estudios 1 y 2 (captulos 3 y
4). Dicha actividad fue descrita y analizada en Batanero, Godino y Roa (2004), quienes
realizaron una primera evaluacin de la misma con un grupo reducido de estudiantes de
la licenciatura de estadstica (n=47). Se desea comparar si las dificultades de partida y el
aprendizaje a lo largo de la actividad, descrita por Batanero, Godino y Roa, se
reproducen en una muestra de mayor tamao y se conservan en el caso de los docentes
en servicio. Adems, se han tomado datos no slo de profesores en formacin, sino de
profesores en ejercicio de Espaa, Portugal y Mxico, ampliando la muestra usada en
Batanero, Godino y Roa. Completamos el anlisis, respecto al realizado por los citados
autores, identificando las estrategias iniciales y finales, realizando un anlisis semitico,
identificando conflictos semiticos y relacionando todo ello con el tipo de profesor (en
ejercicio o formacin) y el contexto geogrfico.
En la segunda parte del taller, se plantea una situacin de anlisis didctico, que
fue completada por una parte de la muestra, permitiendo evaluar el conocimiento del
contenido didctico de estos participantes en relacin a nuestro objeto de estudio. Todos
estos resultados han sido publicados en Contreras, Batanero, Fernndes y Ojeda (2010)
y Batanero, Contreras, Fernndes y Ojeda (2010). Este taller se ha realizado en algunos
cursos de didctica de la probabilidad dirigidos a profesores en formacin y en ejercicio,
en unos casos como actividades organizadas en congresos de estadstica, en otros dentro
de cursos de actualizacin profesional o en una materia optativa de la licenciatura de
estadstica o matemticas. A continuacin se describen los objetivos e hiptesis del
Evaluacin de una experiencia de formacin de profesores


345
Estudio 5, se analiza el material, se presentan las categoras de anlisis y se discuten los
resultados obtenidos.

6.2. OBJETIVOS E HIPTESIS DEL ESTUDIO 5

Como sugiere Steinbring (1990), debido a su riqueza, tanto el conocimiento
estocstico, como el conocimiento didctico del profesor necesitan ser reconstruidos por
los mismos profesores y no puede transmitirse simplemente desde fuera o ser
prescrito. Esto no significa que no podamos ayudar y proporcionar soporte en este
proceso de construccin. Por su parte, Ponte y Chapman (2006) indican que debemos
considerar a los profesores como profesionales, haciendo que todos los elementos de la
prctica docente (preparacin de las clases, tareas y materiales, la realizacin de clases,
observacin y reflexin sobre la experiencia) sean el elemento central del proceso de
formacin del profesorado. . Siguiendo estas sugerencias, el Estudio 5 tiene los siguientes
objetivos:
Objetivo 1: Hacer experimentar a los profesores una situacin didctica, basada
en una paradoja clsica de la teora de la probabilidad, para hacer aflorar algunos
conocimientos matemticos y didcticos con relacin a la probabilidad condicional.
Se trata de hacer experimentar a los profesores la dificultad que encuentra un
alumno al resolver las tareas o problemas que se les plantea. Puesto que esperamos que,
tanto los profesores en ejercicio, como los futuros profesores (que estn en sus ltimos
aos de formacin) tengan unos conocimientos suficientes sobre probabilidad
condicional, buscamos algunos ejemplos de problemas, que, siendo aparentemente
sencillos, puedan sin embargo, tener soluciones contraintuitivas o sorprendentes. Se
pretende tambin que los profesores experimenten las diversas fases de la teora de
situaciones didcticas de Brousseau (1986; 1997); accin, formulacin, validacin e
institucionalizacin. Puesto que la fase de accin requiere que los participantes se
involucren con un verdadero problema (en el sentido de ser un problema no
inmediatamente resoluble para ellos), se decidi elegir un problema paradjico.
Basamos el taller en la paradoja de la caja de Bertrand, descrita en el libro de
Szkely (1986) y que fue analizada con detalle en el Captulo 5. Como se sugiere en
dicho captulo, una paradoja es una declaracin en apariencia verdadera que conlleva a
Captulo 6


346
una auto-contradiccin lgica o a una situacin que contradice el sentido comn. La
identificacin de paradojas basadas en problemas en apariencia razonables y simples, ha
impulsado importantes avances en matemticas y en el campo de la probabilidad. Estos
problemas, as como las soluciones, tanto correctas como errneas que algunos de
participantes puedan defender durante el taller, servirn para analizar cules son los
conceptos involucrados en la solucin del problema. Deseamos tambin que los
participantes experimenten un proceso de aprendizaje de ideas estocsticas
fundamentales (Heitele, 1975), a partir de una situacin didctica que puede ser
adecuada en la Educacin Secundaria Obligatoria o Bachillerato y contextualizar la
reflexin epistemolgica sobre estas ideas, as como identificar cules de ellas
intervienen en la situacin didctica.
Objetivo 2. Enfrentar a los participantes con sus intuiciones incorrectas y
concienciarlos de la utilidad de la teora de la probabilidad para resolver posibles
conflictos en las mismas.
Algunos profesores pudieran no ser conscientes de algunas de las dificultades y
sesgos probabilsticos de sus alumnos (Stohl, 2005) y pudieran ellos mismos presentar
algunos de los descritos en los Estudios 1 y 2, donde se mostr la extensin de dichos
sesgos entre futuros profesores. Es importante encontrar algn modo de apoyarlos, para
que tomen consciencia de estos sesgos y los superen, adems de pensar en actividades
que les sirvan para conectar los aspectos conceptuales y didcticos (Ball, 2000).
En el taller dejaremos a los participantes que encuentren sus soluciones (correctas
e incorrectas) y organizaremos un debate, para que ellos mismos lleguen a la solucin
correcta y perciban los puntos en que cometieron un error. Todo ello les llevar a una
mayor sensibilidad hacia las dificultades de sus alumnos y el papel que tiene el error en
el proceso de aprendizaje (Batanero, Godino y Roa, 2004).
Objetivo 3. Introducir algunos de los tipos de anlisis didcticos propuestos por
Godino, Font y Wilhelmi (2008), ejemplificndolos en la situacin y evaluar los
conocimientos didcticos de los participantes.
En la segunda parte del taller, se propondr a los participantes el anlisis de la
tarea propuesta y del modo en que se organiz el trabajo en el taller. En concreto, se
propondrn tres diferentes tipos de anlisis propuestos por Godino, Font y Wilhelmi
(2008): En un primer nivel, se analizan las prcticas matemticas y los objetos
Evaluacin de una experiencia de formacin de profesores


347
involucrados en la resolucin de la tarea propuesta. Seguidamente se les pide identificar
los posibles errores y dificultades de los estudiantes en la tarea, que sern similares a los
que ellos han experimentado a lo largo del taller. Finalmente se pide identificar las fases
diferenciadas en el proceso de estudio, para introducirlos a la teora de situaciones de
Brousseau (1986; 1997). Con todo ello podremos proporcionar alguna informacin
sobre los conocimientos didcticos de los participantes.

Hiptesis
La principal hiptesis que nos planteamos en el Estudio 5 es que la actividad
realizada en el taller, permitir hacer aflorar algunos de los sesgos en el razonamiento
condicional que se describieron en el captulo 2 y que se mostraron en los futuros
profesores en los Estudios 1 y 2. Asimismo esperamos una superacin de algunos de
estos sesgos en una parte de los profesores participantes.
Esta hiptesis viene avalada por los resultados descritos en la experimentacin de
este taller con una muestra de estudiantes de estadstica por Batanero, Godino y Roa
(2004). En el citado estudio, a pesar de la alta formacin estadstica de los participantes,
una gran proporcin mostr dificultad inicial en percibir el suceso condicionante en el
experimento y comprender su estructura, proporcionando, en consecuencia, respuestas
incorrectas. Otros participantes mostraron una baja percepcin de la dependencia de los
experimentos aleatorios involucrados. Los autores tambin informan de la evolucin
positiva de estos sesgos como consecuencia de la actividad.
Los participantes en nuestro estudio tienen una formacin estadstica similar o a
veces menor que los del estudio de Batanero, Godino y Roa. Por otro lado, los sesgos en
el razonamiento condicional se han descrito no slo en estudiantes, sino incluso en
profesores de mtodos de investigacin, como se analiz en el captulo 2. Es por ello
que esperamos una replicacin de los resultados de Batanero, Godino y Roa en nuestro
trabajo. Los autores no analizaron los conocimientos didcticos de los participantes en
su investigacin. Puesto que la mayora de los sujetos de nuestra muestra no ha tenido
formacin didctica especfica en relacin a la enseanza de la estadstica, nuestra
expectativa es que los conocimientos didcticos de los participantes en el Estudio 5
podran tener alguna limitacin. No obstante, no formulamos formalmente una hiptesis
especfica en este punto, al carecer de antecedentes de investigacin.
Captulo 6


348
6.3. MATERIAL Y MTODO

El material analizado son los protocolos escritos por los participantes, recogidos
en los talleres sobre ideas estocsticas fundamentales, impartidos en cursos de
formacin de profesores o como actividades formativas en congresos (Ver anexo 3).

Figura 6.3.1. Material para el taller de ideas estocsticas fundamentales

PARTE 1. RESOLUCIN DE PROBLEMAS
Se toman 3 fichas de la misma forma y tamao, de las cuales una es roja por ambas caras; otra es azul
por una cara y roja por la otra, y la tercera es azul por las dos caras.
El profesor coloca las tres fichas en una caja, que agita convenientemente, antes de seleccionar una de
las tres fichas, al azar. Muestra, a continuacin, una de las caras de la ficha elegida, manteniendo la
otra tapada, pidiendo a sus alumnos que adivinen el color de la cara oculta.
Una vez hechas las apuestas, el profesor muestra la cara oculta. Cada alumno que haya acertado en la
prediccin efectuada, consigue un punto.

Figura 1. Hoja de registro
Ensayo n. 1 2 3 4 5 6 7 8 9 10
Color de la cara mostrada
Color predicho
Color de la cara oculta

1. Has seguido alguna estrategia? Descrbela
2. Por qu sigues esta estrategia o por qu no sigues ninguna? Da un razonamiento

Figura 2. Hoja de registro. Continuacin del juego
Ensayo n. 1 2 3 4 5 6 7 8 9 10
Color de la cara mostrada
Color predicho
Color de la cara oculta

3. Cul es ahora tu estrategia? Por qu?
4. Si ests seguro/a de tu estrategia, da una demostracin matemtica de la misma
5. Para los que no estn seguros, haremos una tercera ronda del juego


Figura 3. Hoja de registro
Ensayo n. 1 2 3 4 5 6 7 8 9 10
Color de la cara mostrada
Color predicho
Color de la cara oculta

6. Si ests seguro/a de tu estrategia, da una demostracin matemtica de la misma
El taller puede adaptarse a un tiempo variable (entre 2 y 6 horas, dependiendo
del tiempo disponible) y consta de una parte de resolucin de problemas, que enfatiza
el conocimiento del contenido matemtico y otra parte de anlisis didctico que
enfatiza el conocimiento didctico del contenido.
Evaluacin de una experiencia de formacin de profesores


349
A lo largo del taller, los participantes realizan varias actividades, que incluyen la
presentacin del taller por el formador de profesores, la realizacin de un juego y la
resolucin de un problema asociado, as como el anlisis didctico de todo el proceso de
estudio. Los participantes tambin completan una ficha que constituye el material
analizado en este estudio. En las Figuras 6.3.1 y 6.3.2 mostramos la ficha de trabajo
utilizada en el taller. Seguidamente describimos el desarrollo del taller, realizamos un
anlisis a priori de las tareas planteadas y presentamos los datos recogidos.

Figura 6.3.2. Material para el taller de ideas estocsticas fundamentales

PARTE 2. ANLISIS DIDCTICO
7. Primer nivel de anlisis: Completa la siguiente tabla de objetos que has utilizado en esta situacin

Tabla 1
Tipos Objetos matemticos Significado en la sit